程序即权重：面向模糊函数的编程范式
本文提出了一种名为“程序即权重”（Program-as-Weights）的新型编程范式，将传统权重参数替换为可执行的程序片段，用于建模模糊函数。该方法允许函数定义具有更大的灵活性和可解释性，特别适用于处理不确定性或近似推理的场景。论文通过理论分析与实验验证，展示了该范式在模糊逻辑、软计算等领域的潜在优势。
背景速读
- arXiv是学术预印本平台，计算机科学、数学、物理学等领域的研究者在正式发表前会在此上传论文。这篇论文的ID（2607.02512）表明它提交于2026年7月，属于较新的工作。
- 这篇论文提出了一种新的编程范式“Program-as-Weights”（程序即权重）：传统编程中代码是固定逻辑，机器学习中模型权重是数据学习的结果；该范式将程序本身视为可调整的“权重”，用于处理“模糊函数”（fuzzy functions）——即输入输出关系不精确或定义不明确的计算问题。
- 这一思路介于传统符号编程（精准但僵化）和神经网络（灵活但黑箱）之间：程序保留了结构化、可解释的特性，同时又像权重一样可以通过数据优化。
- 读者如果熟悉“可微分编程”（differentiable programming）或“神经符号系统”（neuro-symbolic systems），可以将其理解为这一类方向的最新探索；如果不熟悉，可以把这篇论文看作：如何让程序像神经网络一样“学习”，同时又保持人能读懂的结构。