.png){kind=icon}
返回
Compiler-Runtime Co-operative Chain of Verification for LLM-Based Code Optimization
.png){kind=icon}
PRE
AI
DOI：10.1109/CGO68049.2026.11395240.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大型语言模型（LLMs）最近在编译器优化（如循环向量化、内存访问重构）方面显示出潜力。然而，由于生成特性，LLM优化的代码可能包含语法错误或语义不一致。虽然使用LLM的现有编译器采用符号验证来确保正确性，但由于验证覆盖范围有限且不可靠，它们未能充分利用LLM优化。本文提出CoV，一种编译器-运行时协同的验证链框架，安全地将LLM代码转换集成到现代编译流程中。CoV采用多阶段验证管道，首先进行轻量级静态检查（如语法验证和基于配置文件的校验和过滤），然后使用Alive2等工具进行符号等价验证。对于无法静态验证的代码片段，CoV插入运行时验证机制以确保执行正确性。这些运行时检查通过验证并行化和批处理进行优化，以最小化开销。本文在LLVM中基于LLM的自动向量化器上实现了CoV原型框架，并使用TSVC基准套件中的151个循环和三个实际应用进行评估。CoV分别将向量化覆盖率较LLVM和GCC -O3向量化扩展了13.9%和10.6%。此外，CoV成功向量化了三个实际应用中的循环，而这些循环未被-O3向量化处理。
Keyword:
Large Language Model
Code Optimization
Compiler
Verification
期刊
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容