很多反复出现的文本处理需求，说起来一句话就能讲清楚，用规则写却极难落地——而每个输入都去调一次远程大模型，意味着持续的费用、延迟，还得看供应商的脸色。9 月 3 日，滑铁卢大学 Yuntian Deng、Pengyu Nie 与 Stuart Shieber 三人组在 arXiv 公开 compile by training（编译即训练，arXiv:2609.04199），已被 EMNLP 2026 System Demonstrations 收录：它把一段自然语言规约，编译成一个不依赖任何教师模型、可以像普通软件一样存储、版本化与组合的本地神经函数。
编译期请一次教师，运行期零依赖
方法的核心是把「训练」塞进编译流程：编译时，教师模型针对任务合成一批示例，用它们微调一个跑在紧凑解释器上的小 adapter。编译产物脱离教师独立运行——作者自述底层是共享的 0.6B 本地解释器，编译出的函数可以像普通 Python 函数一样在本地调用。作者的设问也很直接：与其让 LLM 一遍遍解同一个任务，为什么不让它造出可复用的工具？
这是同团队 7 月 Program-as-Weights（PAW）路线的续篇：原版编译器单次前向传播、几秒出结果；本作补上高精度档——大约一分钟的微调，换来困难子集上语义准确率的显著抬升。
83.6% 不是凭空来的
数字要放回它的测法里看：FuzzyBench-Hard 是原版 PAW 快速编译器「零精确匹配」的困难子集，compile by training 在这个子集上做到 83.6% 语义准确率。代价同样是编译时长：约一分钟，而非快速编译器的几秒。作者把编译器部署在公开交互服务里，并给出多个演示：多站点网站助手、语言控制的 3D 虚拟形象动作、双向英-Claudish 翻译器，另有本地运行的 PII 脱敏函数。论文与代码（github.com/programasweights/compile-by-training）均已开放，上线当天登上 Hugging Face Daily Papers 日榜第一。
所以呢：工程价值真实，长尾要自己兜
对做 agent 的人来说，这个方向的卖点不是跑分，而是软件工程属性：函数可存储、可版本化、可组合，调用时零大模型账单、零网络延迟。社区评论区也很快出现了清醒的声音：训练样本由教师合成，编译出的函数「只知道教师想到要给它看的东西」——教师没覆盖的长尾边界场景，它会安静地错；上线前需要看分布外输入上的退化曲线，规约变更后重新编译是否收敛到新行为也待验证。把模糊需求固化成本地小函数，这条路第一次有了能落地的工具链；但「编译产物不会比教师更聪明」这条天花板，值得每个想用它替换线上 LLM 调用的人先想清楚。