通过训练进行编译：将自然语言规范转化为本地神经函数

许多重复出现的文本功能很容易描述，但难以用规则实现；而对每个输入都调用一个大型远程模型则会带来重复成本、延迟，以及对服务提供方的依赖。我们提出 compile by training，它将自然语言规范转化为可复用的神经函数。在编译时，教师模型生成针对任务的示例，用于训练一个紧凑解释器的小型适配器。生成的函数无需教师模型即可运行，并且可以像普通软件一样存储、版本化和组合。在 FuzzyBench-Hard 上——这是 Program-as-Weights 的快速编译器没有产生任何精确匹配结果的一个子集——compile by training 达到了 83.6% 的语义准确率。这种更高的准确率伴随着更高的编译时成本：大约需要一分钟，而快速编译器只需几秒。我们将该编译器部署在一个公开的交互式服务中，并在多站点网站助手、语言控制的 3D 头像以及双向 English-Claudish 翻译器中展示了编译后的函数。