QiMeng-NeuComBack: Self-Evolving Translation from IR to Assembly Code
Created by
- Haebom
Category
Empty
저자
Hainan Fang, Yuanbo Wen, Jun Bi, Yihan Wang, Tonghui He, Yanlin Tang, Di Huang, Jiaming Guo, Rui Zhang, Qi Guo, Yunji Chen
개요
본 논문은 컴파일러 개발의 복잡성을 해결하기 위해 대규모 언어 모델(LLM)을 활용하는 Neural Compilation 연구를 소개합니다. Neural Compilation의 실질적인 적용을 가로막는 주요 과제인 벤치마크 부족과 LLM 생성 어셈블리의 신뢰성 및 성능 향상을 해결하고자 합니다. 이를 위해, IR-to-assembly 컴파일을 위한 새로운 벤치마크 데이터셋 NeuComBack을 제시하고, 최신 LLM의 성능을 평가합니다. 또한, 자체 디버깅 추적을 통해 LLM의 프롬프트 전략을 반복적으로 개선하는 자체 진화 프롬프트 최적화 방법을 제안합니다. 실험 결과는 제안된 방법이 LLM 생성 어셈블리 코드의 기능적 정확성과 성능을 크게 향상시킴을 보여줍니다.
시사점, 한계점
•
시사점:
◦
Neural Compilation 분야의 발전을 위한 새로운 벤치마크 데이터셋 NeuComBack 제시.
◦
최신 LLM의 Neural Compilation 성능에 대한 새로운 기준 설정.
◦
LLM의 Neural Compilation 능력을 향상시키는 자체 진화 프롬프트 최적화 방법 제안 및 성공적인 적용.
◦
제안된 방법으로 생성된 어셈블리 코드가 clang-O3의 성능을 능가하는 결과 달성.
•
한계점:
◦
구체적인 한계점 언급은 논문 요약에서 명시되지 않음. (논문 전체를 참조해야 함)
