研究人员开发了一种新颖的方法来训练AI模型生成节能代码,超越了仅关注功能正确性的局限。他们引入了Green Tea,一个包含350万个C++问题评估的数据集,以及一个仿真工具来提供确定性的反馈,取代了不可靠的硬件测量。这种方法结合了监督微调和仿真引导的强化学习(GRPO),在未见过的问题上取得了12.63%的CARET分数,在大多数有效输出的节能方面显著优于标准微调甚至人类专家。研究还强调了像每周期指令数(IPC)这样的常用指标在准确评估节能方面的不足,并强调了直接仿真的必要性。 AI
影响 这项研究可能促使AI模型生成更可持续的软件,从而减少计算的能源足迹。
排序理由 该集群包含一篇详细介绍AI代码生成新方法和数据集的研究论文。
在 Hugging Face Daily Papers 阅读 →
- C++
- Green Tea
- Saurabhsingh Rajput
- Energy-Aware Code Generation
- GRPO
- Hugging Face
- Instructions-Per-Cycle (IPC)
- Simulation-Guided Reinforcement Learning
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →