近日，滑铁卢大学、康奈尔大学与哈佛大学联合研究团队提出一种名为程序即权重（PAW）的AI新范式，相关成果已发表于arXiv预印本平台。针对开发者日常依赖云端大语言模型处理模糊编程任务时面临的数据泄露风险、高昂成本及网络依赖等问题，PAW创新性地采用一次编译本地运行策略。该技术利用大型AI模型将开发者的自然语言指令即时转化为微型可插拔插件，随后即可离线部署至终端设备的轻量级模型中运行，彻底摆脱对远程云服务的依赖。 在涵盖千万级示例的FuzzyBench模糊编程基准测试中，搭载PAW插件的微型模型展现出显著优势。其任务处理准确率达到73.78%，不仅突破自身算力局限，更以微弱优势领先参数量庞大五十倍的云端模型Qwen3-32B。同时，借助四百三十兆的量化解释器，该技术可在搭载MacBook M3芯片的消费级硬件上以每秒三十个token的速度高效执行。研究团队已同步公开全部源代码，并展望通过PAW架构实现大模型负责编译小模型专注执行的下一代本地化AI开发范式，为隐私安全与端侧算力融合提供切实可行的技术路径。