结论：滑铁卢大学 Yuntian Deng 于 9 月 4 日（Asia/Shanghai 01:59，对应 arXiv 记录 2026-09-03 17:59:49 UTC）公开预印本 Compile by Training，提出将自然语言规格在编译期以教师模型合成监督数据、微调共享解释器的小型适配器，产出可存储、版本化、组合的本地神经函数。核心发现是在 PAW 快编译器零精确匹配的 FuzzyBench-Hard 子集上，编译训练将 LLM Exact Match 语义准确率从 0.224 提升至 0.836（绝对 +0.612），冷编译约 1 分钟，显著优于秒级快编译器；同时在多站网页助手、3D 形象控制与双向翻译等组合场景中完成线上验证。该结论为作者受控实验下的相关性发现，属预印本未同行评审，需独立复现方可推广。

研究主体与状态

论文题为 Compile by Training: Turning Natural-Language Specifications into Local Neural Functions，作者为 Yuntian Deng，所属机构为滑铁卢大学（University of Waterloo，NSERC 与 Google Research Award 支持）。研究状态为预印本，已公开于 arXiv:2609.04199，提交历史 Thu, 3 Sep 2026 17:59:49 UTC，对应 Asia/Shanghai 2026-09-04 01:59:49，落在当日 00:00–23:59 窗口内。论文注释标注 EMNLP 2026 System Demonstrations 与在线演示 https://programasweights.com/，表明拟在该会议系统演示单元展示，但截至 9 月 4 日仍为 arXiv v1 预印本，未经期刊或会议最终同行评审录用验证。

方法与数据范围

方法上，Compile by Training 分两阶段：教师合成与适配特化。教师侧以结构化 JSON 格式按规格生成多样输入输出对，校验后进入训练；训练侧以冻结的量化 Qwen3-0.6B 为共享解释器，PAW 快编译器的单前向预测提供初始 rank-64 LoRA（alpha 16）与运行时支架，100 步余弦调度在合成数据集上最小化负对数似然，产出打包 adapter、支架、规格与解释器元数据的 .paw 产物。服务侧采用流式编译重叠合成与训练、共享队列与缓存复用、持久作业与产物存储，解释线上分钟级编译的交互可用性。评估采用 LLM Exact Match（LEM）：以 GPT-5.5 为判官在规格、输入、参考输出与模型输出四元组上做语义等价二分类，判官在 128 条作者标注上准确率 0.977、Cohen's κ=0.946。基准为 FuzzyBench-Hard，即 FuzzyBench 中 PAW 快编译器零精确匹配的子集；公共配置为 Finetuned Standard，详见附录 Table 2。

主要结果

  • FuzzyBench-Hard 平均 LEM 从 0.224（快编译器）提升至 0.836（编译训练），绝对提升 0.612；冷编译在 B300 上 50.9 秒、H200 上 68.2 秒、RTX 上 99.2 秒，对比快编译器 3.5 秒；4 路并发负载下平均排队 1.01 秒、GPU 均匀利用，说明分钟级构建可在交互服务中以前台排队与后台持久化方式可用。
  • 监督配比与数据量：在 3600 去重对复用至 6400 样本时，GPT-5.4-mini 单教师 0.746，2:1 混合提升至 0.851；数据量从 1440 至 7200 去重对时 LEM 从 0.821 递增至 0.866，2400 与 3600 同为 0.836，表明在当前配置下中低数据量即接近饱和。
  • 组合与落地：Paw-helper 多站网页助手以多编译分类、回答、选择与校验函数协同 BM25 检索与确定性分支；Avatar Director 将自然语言指令编译为 DSL 动作程序（44 条验证指令中 43 条结构正确）；英-克劳迪什双向翻译各方向独立微调一适配器，8 月 22 日至 9 月 2 日线上 Demo 完成 100,747 次请求，均以本地 .paw 产物运行，无需重复教师调用。

局限与不确定性

作者在第 9 节明确局限：合成监督可能继承教师错误，对准确性敏感的应用应保留校验或人工回退；应用证据聚焦组合与结构化执行，未开展系统性用户研究。评估限单一 Hard 子集与单一判官实现，教师与数据量仅在开发集小范围扫参，未检验其他基准、语言、长程任务或多轮交互；编译依赖教师 API 与共享 GPU 队列，未评估私有化、离线或不同规模硬件下的稳定性与成本；演示服务虽公开可试用，但尚未经第三方独立复现或对照可用性评估，结论不应解读为普遍因果、生产级收益或已获学界共识。

同行评审状态与潜在意义

截至 9 月 4 日该文为 arXiv 预印本 v1，注释拟投 EMNLP 2026 System Demonstrations，但未提供录用证明或同行评审记录，亦无独立第三方复现报告，状态应以预印本对待。若被验证，其意义在于将大模型从运行时依赖转为构建期工具，开发者以自然语言描述模糊文本函数，一分钟编译为可版本化、缓存与组合的本地函数，降低重复远程调用的成本、延迟与供应商依赖，适合高频、窄域、规则难覆盖的文本函数。对中国开发者，量化 Qwen3-0.6B 与 LoRA 的轻量路径提供了在国产算力或端侧复用的参考，但需在自有规格与数据上复测合成质量、判官一致性与延迟成本，不宜直接外推至所有任务或规模。