HN 日本語サマリー

← 一覧へ戻る
AI・機械学習

プログラム・アズ・ウェイト:ファジー関数プログラミングパラダイム

Program-as-Weights: A Programming Paradigm for Fuzzy Functions (arxiv.org)

30 pointsby simonpure4 コメント

要約

本論文は、自然言語仕様からローカル実行可能なニューラルアーティファクトとしてコンパイルする「ファジー関数プログラミング」という新しいパラダイムを提案しています。このパラダイムを実装したProgram-as-Weights(PAW)は、大規模言語モデル(LLM)APIへの依存を減らし、ローカルで効率的な実行を可能にします。PAWは、小規模なモデルで大規模モデルと同等の性能を発揮し、推論メモリ使用量を大幅に削減します。

全文翻訳

Computer Science > Machine Learning

arXiv:2607.02512 (cs)

[Submitted on 2 Jul 2026]

Title: Program-as-Weights: ファジー関数向けのプログラミングパラダイム

Authors: Wentao Zhang, Liliana Hotsko, Woojeong Kim, Pengyu Nie, Stuart Shieber, Yuntian Deng

Program-as-Weights: A Programming Paradigm for Fuzzy Functions というタイトルのPDFを表示します。著者: Wentao Zhang および他の5名

PDFを表示 HTML (実験的)

Abstract: 日常的な多くのプログラミングタスクは、重要なログ行へのアラート、不正なJSONの修復、意図による検索結果のランキング付けなど、クリーンなルールベースの実装には抵抗があり、局所性、再現性、価格の犠牲を払って大規模言語モデルAPIにますますアウトソースされています。本研究では、自然言語仕様からコンパクトでローカル実行可能なニューラル成果物へとコンパイルするファジー関数プログラミングを提案します。このパラダイムをProgram-as-Weights (PAW)として実装し、FuzzyBench(私たちがリリースする10M例のデータセット)でトレーニングされた4Bコンパイラが、凍結された軽量インタープリタ用のパラメータ効率の良いアダプターを出力します。0.6B Qwen3インタープリタがPAWプログラムを実行すると、Qwen3-32Bの直接プロンプティングと同等のパフォーマンスを発揮しますが、推論メモリは約50分の1しか使用せず、MacBook M3で30トークン/秒で実行されます。PAWは、ファウンデーションモデルを、入力ごとの問題解決者からツールビルダーへと再定義します。関数定義ごとに一度呼び出されると、関数適用ごとの後続の呼び出しが安価でオフラインで行える、小さく再利用可能な成果物を生成します。

Subjects:Machine Learning (cs.LG); Artificial Intelligence (cs.AI); Computation and Language (cs.CL)
Cite as:arXiv:2607.02512 [cs.LG]
(or arXiv:2607.02512v1 [cs.LG] for this version)
https://doi.org/10.48550/arXiv.2607.02512 arXiv-issued DOI via DataCite

Submission history

From: Yuntian Deng メールを表示
[v1] Thu, 2 Jul 2026 17:59:50 UTC (1,727 KB)

Full-text links:

Access Paper:

Program-as-Weights: A Programming Paradigm for Fuzzy Functions というタイトルのPDFを表示します。著者: Wentao Zhang および他の5名

[画像: license icon]ライセンスを表示

Additional Features
Current browse context:

cs.LG

< 前へ   |   次へ >

新規 | 最近 | 2026-07

Change to browse by:

cs
cs.AI
cs.CL

References & Citations

Loading...

BibTeX formatted citation

loading...

Data provided by:

Bookmark

[画像: BibSonomy][画像: Reddit]

Bibliographic Tools

Bibliographic and Citation Tools

Bibliographic Explorer Toggle

Bibliographic Explorer (Explorerとは?)

Connected Papers Toggle

Connected Papers (Connected Papersとは?)

Litmaps Toggle

Litmaps (Litmapsとは?)

scite.ai Toggle

scite Smart Citations (Smart Citationsとは?)

Code, Data, Media

Code, Data and Media Associated with this Article

alphaXiv Toggle

alphaXiv (alphaXivとは?)

Links to Code Toggle

CatalyzeX Code Finder for Papers (CatalyzeXとは?)

DagsHub Toggle

DagsHub (DagsHubとは?)

GotitPub Toggle

Gotit.pub (Gotit.pubとは?)

Huggingface Toggle

Hugging Face (Huggingfaceとは?)

ScienceCast Toggle

ScienceCast (ScienceCastとは?)

Demos

Demos

Replicate Toggle

Replicate (Replicateとは?)

Spaces Toggle

Hugging Face Spaces (Spacesとは?)

Spaces Toggle

TXYZ.AI (TXYZ.AIとは?)

Related Papers

Recommenders and Search Tools

Link to Influence Flower

Influence Flower (Influence Flowersとは?)

Core recommender toggle

CORE Recommender (COREとは?)

IArxiv recommender toggle

IArxiv Recommender (IArxivとは?)

  • Author
  • Venue
  • Institution
  • Topic

About arXivLabs

arXivLabs: experimental projects with community collaborators

arXivLabsは、共同研究者が当社のウェブサイト上で直接新しいarXivの機能を開発および共有できるようにするフレームワークです。

arXivLabsと協力する個人および組織は、オープンさ、コミュニティ、卓越性、ユーザーデータプライバシーという私たちの価値観を受け入れ、遵守しています。arXivはこの価値観にコミットしており、それらを遵守するパートナーのみと協力します。

arXivコミュニティに価値をもたらすプロジェクトのアイデアがありますか? arXivLabsの詳細をご覧ください。

この論文の著者は誰ですか? | MathJaxを無効にする ( MathJaxとは? )