主要观点：人工智能近期取得显著进步，得益于大模型、海量数据、加速硬件以及可微编程的变革力量，新编程范式可实现复杂计算机程序的端到端微分，使基于梯度的程序参数优化成为可能，可微编程基于计算机科学和应用数学的多个领域，本书对可微编程的基本概念进行全面综述，采用优化和概率两个主要视角且两者有明显类比，使程序可微能引入执行的概率分布以量化与程序输出相关的不确定性。
关键信息：

• 提交历史有多个版本，从 2024 年 3 月 21 日的 v1 到 2024 年 7 月 24 日的 v2 及 2025 年 6 月 24 日的 v3，文件大小逐渐增加。
• 相关评论为草稿版本 3，学科涉及机器学习（cs.LG）、人工智能（cs.AI）、编程语言（cs.PL），引用为arXiv:2403.14606 [cs.LG]（此版本为arXiv:2403.14606v3 [cs.LG]），以及https://doi.org/10.48550/arXiv.2403.14606通过 DataCite 发布的 arXiv 分配 DOI。
  重要细节：文中详细阐述了可微编程的作用、基于的领域以及相关的提交信息等内容。