ウォータールー大学、コーネル大学、ハーバード大学からなる研究チームは、開発者の日常業務を効率化する新AIフレームワークProgram-as-WeightsPAWを発表した。本研究はarXivに投稿され、クラウド依存型AIの課題を解消する1回コンパイル、ローカル実行の手法を提唱している。 従来、コードの修正やログフィルタリングなどの開発タスクにAIを利用する際、複雑な処理や曖昧な指示に対しては大型モデルへのデータ送信が必要不可欠だった。これにより、通信遅延、機密情報の外部流出リスク、およびサービス提供側のモデル変更によるシステム破壊といった課題が顕在化していた。PAWは、大規模言語モデルを一時的なビルダーとして機能させ、開発者の自然言語による指示を軽量なカスタムAIアドオンLoRA形式に即時変換する。生成されたアドオンは、端末内に常駐する小型言語モデルに接続され、インターネット接続なしでオフラインかつ再利用可能に動作する。 実証試験では、1000万件の開発事例を収録したベンチマークFuzzyBenchが用いられた。その結果、PAW搭載の小型モデルは73.78％の精度を記録し、パラメータ数が約50倍多いQwen3-32Bの68.7％を凌駕した。また、MacBook M3搭載機において430MBの量子化インタプリタを利用し、約30トークン秒の処理速度を達成。標準的な消費者向けハードウェアでの高速推論を可能にしている。 研究チームは論文と併せて全ソースコードを公開し、大規模モデルがコンパイルを、小型モデルが実行を担う分散型AI開発環境への移行を推進している。PAWは、プライバシー保護とローカル動作の両立を実現し、次世代のプログラミング支援インフラの基盤となる技術的転換点として期待されている。