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.

LEGO-Compiler: Enhancing Neural Compilation Through Translation Composability

Created by
  • Haebom

저자

Shuoming Zhang, Jiacheng Zhao, Chunwei Xia, Zheng Wang, Yunji Chen, Xiaobing Feng, Huimin Cui

개요

LEGO-Compiler는 대규모 언어 모델(LLM)을 활용하여 고급 언어를 어셈블리 코드로 변환하는 새로운 신경망 기반 컴파일 시스템입니다. 입력 프로그램을 관리 가능한 블록으로 분해하는 LEGO 변환, 검증 가능한 LLM 워크플로우를 통해 복잡한 컴파일 과정을 더 작고 간단한 검증 가능한 단계로 분해하는 방식, 그리고 자가 수정을 위한 피드백 메커니즘이라는 세 가지 핵심 혁신을 중심으로 합니다. 형식적 증명을 통해 변환의 합성 가능성을 보여주며, ExeBench에서 99% 이상, 산업 수준의 AnsiBench에서 97.9% 이상의 높은 정확도를 달성했습니다. 또한, 컴파일 가능한 코드 크기 확장성에서도 약 10배의 향상을 이루었습니다. 기존 컴파일러 기술을 보완하여 LLM을 시스템 수준 작업에 적용하는 새로운 방법을 제시합니다.

시사점, 한계점

시사점:
LLM을 활용한 컴파일러 설계 및 구현의 새로운 패러다임 제시
기존 컴파일러의 한계를 극복하고 정확도와 확장성을 향상시킴
복잡한 컴파일 과정을 작고 검증 가능한 단계로 분해하여 신뢰성 향상
산업 수준의 벤치마크에서 높은 정확도 달성 (ExeBench 99%+, AnsiBench 97.9%)
컴파일 가능한 코드 크기 확장성에서 획기적인 개선 (약 10배 향상)
한계점:
논문에서 구체적인 한계점이나 향후 연구 방향에 대한 언급이 부족함.
실제 산업 환경 적용에 대한 추가적인 검증 필요.
LLM의 특성상 예측 불가능성 및 오류 가능성 존재.
LEGO 변환의 구체적인 메커니즘 및 효율성에 대한 추가적인 설명 필요.
👍