.png){kind=icon}
返回
LLM & HPC: Benchmarking DeepSeek's Performance in High-Performance Computing Tasks
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-07612-0_48.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），如GPT-4和DeepSeek，已被广泛应用于软件工程的各个领域。然而，它们在高性能计算（HPC）领域的潜力仍有待探索。本文评估了最新LLM DeepSeek在生成一组HPC基准代码方面的表现：共轭梯度求解器、并行热方程、并行矩阵乘法、DGEMM以及STREAM三元操作。我们分析了DeepSeek针对传统HPC语言（如C++、Fortran、Julia和Python）的代码生成能力。评估包括对代码正确性、性能和不同配置及矩阵尺寸下的可扩展性进行测试。我们还详细比较了DeepSeek与另一个广泛使用的工具GPT-4。结果表明，虽然DeepSeek能为HPC任务生成功能性代码，但在生成代码的可扩展性和执行效率方面，它落后于GPT-4。
Keyword:
LLM
DeepSeek
GPT-4
HPC
Code Performance
Programming language processing
期刊
机构
引用论文
.png){kind=icon}
LM4HPC: Towards Effective Language Model Application in High-Performance ComputingLM4HPC：面向高性能计算中语言模型的有效应用
PREAI
分享收藏
查看更多内容