Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

ACCeLLiuM: Supervised Fine-Tuning for Automated OpenACC Pragma Generation

Created by
  • Haebom

저자

Samyak Jhaveri, Vanessa Klotzmann, Crista Lopes

개요

본 논문은 GPU 프로그래밍을 위한 OpenACC 지시문을 생성하기 위해 특별히 미세 조정된 두 개의 오픈 가중치 대규모 언어 모델(LLM), ACCeLLiuM을 소개합니다. ACCeLLiuM은 데이터 병렬 루프에 대한 전문가 수준의 OpenACC 지시문을 생성하도록 설계되었으며, 이를 훈련하는 데 사용된 감독 학습 미세 조정 데이터 세트도 함께 제공됩니다. ACCeLLiuM SFT 데이터 세트는 공개 GitHub C/C++ 저장소에서 추출한 4,033개의 OpenACC pragma-loop 쌍으로 구성되어 있으며, 모델은 이 데이터 세트를 통해 훈련 및 테스트되었습니다. 실험 결과, 기본 LLM과 미세 조정된 ACCeLLiuM 버전 간에 OpenACC pragma 생성에서 상당한 성능 차이가 나타났습니다.

시사점, 한계점

시사점:
ACCeLLiuM 모델은 데이터 병렬 루프에 대해 올바른 OpenACC pragma를 효과적으로 생성합니다.
모델은 올바른 지시문 유형을 $87$의 데이터 병렬 루프에 대해 생성하고, 정확한 pragma(지시문, 절, 절 순서, 절 변수 포함)를 $50$의 경우에 생성합니다.
생성된 pragma는 정확하지 않더라도, 종종 올바른 절을 포함하거나 추가 절을 포함하여 병렬 실행, 데이터 이동 및 동시성에 대한 세밀한 제어를 가능하게 합니다.
코드, 모델 및 데이터 세트를 공개함으로써 LLM 기반 OpenACC pragma 생성을 위한 재현 가능한 벤치마크를 설정하고, 순차적으로 작성된 프로그램의 자동 GPU 오프로딩에 대한 장벽을 낮춥니다.
한계점:
논문에 명시된 한계점은 직접적으로 언급되지 않았지만, 생성된 pragma가 $100$ 정확하지 않다는 점과, 모델이 C/C++ 코드에만 적용된다는 점은 잠재적인 한계로 볼 수 있습니다.
👍