深度分析
Program-as-Weights（PAW）：將模糊函數編譯為本地神經程式的全新範式
隨著模糊函數越來越多被外包給大型語言模型 API，研究者提出 Program-as-Weights（PAW）將自然語言規格編譯成小型本地執行的神經程式。PAW 使用 4B 編譯器產生 LoRA 適配器，讓 0.6B 解譯器在記憶體與速度上遠優於直接呼叫 32B 模型。此技術有望降低成本、提升可重現性，並推動小模型本地化的未來趨勢。
小模型推理
VibeThinker
VibeThinker‑3B 以 3B 參數挑戰大模型：GitHub Trending 爆紅與效能突破
WeiboAI 的 VibeThinker 系列在 GitHub Trending 上快速攀升，1.5B 版已開源，2026 年推出 3B 版，採用 Spectrum‑to‑Signal 訓練流程結合監督微調與自我蒸餾，於可驗證推理基準達到前沿表現，顯示小模型亦能提供高品質推理。
VibeThinker
開源小模型 VibeThinker‑1.5B/3B 透過 SSP 技術實現高效可驗證推理
WeiboAI於2025年開源VibeThinker-1.5B與2026年推出3B版本，採用Spectrum-to-Signal原則與多階段後訓練，結合監督微調、強化學習與自我蒸餾。實驗顯示1.5B在三項數學基準上超越400倍規模的DeepSeekR1，3B在可驗證推理上達到表現，凸顯小模型推理可能。