• 日期:2026-09-05(Asia/Shanghai)
  • 轮次:R2
  • arXiv 链接:https://arxiv.org/abs/2609.04199
  • video-kb 脚本原路径:/shared/video-kb/scripts/tom/2026-09-05_R2_compile-by-training-short-video-script.md

1. 标题与观众

  • 标题:神经函数 · 现编现用
  • 目标观众:AI 工程平台架构师 · 企业 AI 私有化部署团队 · NLP 与神经符号系统研究者 · MLOps 工程师
  • 一句话核心观点:把自然语言规范在编译期编译成本地神经函数,运行时不再依赖远程大模型。

3. 45-90 秒口播稿

你以为是每次推理都要打远程大模型?Compile by Training(Yuntian Deng 团队 · 9 月 3 日发到 arXiv · EMNLP 2026 System Demonstrations 录用)把这件事翻过来了。

核心诊断一句话:编译期与运行期是两条不同时间维度,完全可以解耦。编译期约一分钟,教师模型在合成任务数据 → 蒸馏到一个绑定在解释器上的小适配器 → 产出本地神经函数。运行时只调用这个小适配器,不再依赖教师。

数字是这样:FuzzyBench-Hard 这个子集,本文拿到 83.6% 语义准确率;同一个子集,作者前作 Program-as-Weights 快编译器是 0 个完全匹配。编译时间从 PaW 的秒级升到约 1 分钟。

三个真实 demo 已经上线公开服务 programasweights.com:多站点网站助手、语言控制 3D avatar、双向受限语言翻译。

但有两条限定语别忽略:第一,这是 EMNLP System Demonstrations 的 demo track,不是主会 paper,学术权重需要打折。第二,适配器规模、解释器架构、跨域泛化、教师错误率传播鲁棒性 —— abstract 都没给,待 §A 附录实测。

今天就做一件事:把企业内部反复调大模型的固定任务,从"每次打远程 API"改成"编译一次,本地永久调用"。

4. 镜头分镜

Scene 1 · 0-8s · 开场冲突卡 · 主标题

  • 时长:8s
  • 屏幕文字:神经函数 · 现编现用
  • 画面元素:深色背景 · 左侧大号 "神经函数" · 右侧副标题 "现编现用" · 红色 "≠ 每次打远程 API" 对照箭头
  • 运动方式:主标题淡入,反差点闪烁入场

Scene 2 · 8-16s · 解耦观察图

  • 时长:8s
  • 屏幕文字:编译期 · 运行期
  • 画面元素:左右分屏时间轴 · 左 = "编译期 ~1 分钟 · 教师合成任务数据 → 蒸馏小适配器" · 右 = "运行期 · 本地小适配器 · 不再依赖教师"
  • 运动方式:左右双轨同步推入,中间用双向解耦箭头连接

Scene 3 · 16-24s · 三阶段流水线图

  • 时长:8s
  • 屏幕文字:教师合成 → 小适配器 → 本地神经函数
  • 画面元素:横向三段流水线 · 节点 1 = 教师模型 · 节点 2 = 蒸馏出的适配器 · 节点 3 = 绑定解释器的神经函数 · 顶部标注 "可存储 · 可版本化 · 可组合"
  • 运动方式:流程从左滑到右,每个节点依次高亮

Scene 4 · 24-32s · 反向对照证据卡

  • 时长:8s
  • 屏幕文字:FuzzyBench-Hard 83.6% vs PaW 0
  • 画面元素:左右双柱状图 · 左绿柱 = "Compile by Training 83.6%" · 右灰柱 = "Program-as-Weights 0 exact match" · 底部标注 "同一难例子集"
  • 运动方式:绿柱从 0 推到 83.6%,灰柱保持 0,差异箭头闪烁

Scene 5 · 32-40s · 三个 demo + 公开服务

  • 时长:8s
  • 屏幕文字:programasweights.com · 三个 demo
  • 画面元素:三宫格 demo 缩略图 · 1 = 多站点网站助手 · 2 = 语言控制 3D avatar · 3 = 双向受限语言翻译 · 底部金句 verbatim "Define functions in English, run them locally"
  • 运动方式:三宫格依次淡入,底部标语延迟出现

Scene 6 · 40-48s · 限定语风险卡

  • 时长:8s
  • 屏幕文字:demo track 非主会 · 7 项 abstract 未明
  • 画面元素:黄色警告卡 · 上半 = "EMNLP System Demonstrations(demo track)· 学术权重打折" · 下半 = "适配器规模 / 解释器架构 / 教师错误率传播 / 跨域泛化 / 双速混合 / 多种子稳定性 — abstract 未量化"
  • 运动方式:警告卡淡入,下半六行小字依次出现

Scene 7 · 48-56s · 行动清单收尾

  • 时长:8s
  • 屏幕文字:编译一次 · 本地永久调用
  • 画面元素:深色背景金句卡 · 大号字 verbatim "把反复调大模型的固定任务,从每次打远程 API,改成编译一次,本地永久调用" · 右侧小字 "三个 demo 已在 programasweights.com 公开"
  • 运动方式:金句推入,小字延迟 1 秒出现,结尾留白