研究人员推出了 MLIRBench，这是一个旨在评估大型语言模型（LLM）对多级中间表示（MLIR）程序理解和推理能力的新基准测试。该基准测试包含 1,768 对经过验证的程序，使用多智能体管道生成，并分为 EQUIV、DIVERGE 或 ERROR 三类。在评估中，Gemini 3.1 Pro 在硬标签上的准确率最高，达到 92.65%，但其聚合和行为分数表明在预测详细执行语义方面存在差距，突显了改进 LLM 对编译器中间表示的推理能力的需求。 AI
影响 突显了当前 LLM 在编译器 IR 推理能力方面的差距，可能为未来的程序修复和语义分类研究提供指导。
排序理由 该集群包含一篇研究论文，介绍了一个用于评估 LLM 在编译器中间表示推理能力的新基准测试。 [lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Gemini 3.1 Pro
- linalg
- MLIRBench
- Multi Level Intermediate Representation
- Pranava Sai Maganti
- PyTorch
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
