LLVM
PulseAugur coverage of LLVM — every cluster mentioning LLVM across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
EvoX Genesis 通过持久化项目实现自主软件演化 · 跟踪 4 个来源
一篇新的研究论文介绍了一个名为 EvoX Genesis 的系统，该系统围绕持久化项目而非持久化代理来组织软件开发。这种方法支持长周期开发，通过使用 DeepSeek-V4 Flash 在 120 多个小时内以 44 美元的价格创建了一个基于 Rust 的 C 编译器来证明这一点。该编译器成功通过了广泛的测试套件。Genesis 还促进了 MESA 模块从 Fortran 到 Rust 的重新实现，实现了显著的速度提升。
-
人工智能的复杂性可能使我们进一步脱离技术
作者认为，人工智能的吸引力正导致人类进一步复杂化其技术栈，而不是通过回归基本原理来简化它。这种日益增长的复杂性，即使在GCC、LLVM和Firefox等开源项目中也是如此，导致系统对其创建者来说难以理解。维护严重依赖于广泛的测试，只有在测试失败时才会有人工干预，从而导致了暂时理解然后遗忘的循环。
-
GCC采纳反对LLM生成代码贡献的政策
GCC指导委员会已采纳一项AI贡献政策，禁止由LLM生成或源自LLM的“具有法律意义的”贡献。该政策根据GNU项目指南，将“具有法律意义”定义为大约15行代码或文本。虽然LLM生成的内容在直接贡献方面受到限制，但只要其输出不被纳入贡献中，仍允许使用LLM进行诸如错误发现、补丁审查和分析等任务。
-
CRISP框架通过修剪视觉令牌来提高LVLM效率
研究人员开发了CRISP，一个新颖的框架，旨在通过在视觉令牌被语言模型处理之前对其进行修剪来提高大型视觉语言模型（LVLM）的效率。这种两阶段方法首先识别与文本对齐的令牌，然后增强上下文的完整性，旨在在显著降低推理成本和延迟的同时保持准确性。在LLaVA-1.5和LLaVA-NeXT模型上的实验表明，CRISP可以在保持高达99.5%的准确性的同时，将推理时间缩短一半以上，为资源受限的环境提供了一个实用的解决方案。
-
AMD GFX1250 AI 加速器细节从 LLVM 提交中浮现
对 LLVM 编译器提交的分析揭示了 AMD 即将推出的 GFX1250 架构（代号 MI455X）的细节，该架构专为 AI 加速而设计。据报道，该架构将 RDNA4 的软件模型与 CDNA 的性能相结合，采用面向计算的设计，并优化了 WGP 缓存、扩展了寄存器文件并增强了 Tensor 核心功能。通过移除传统的图形指令，AMD 旨在提高面积效率并简化 AI 工作负载，有可能为数据中心加速器带来消费级可用性。
-
Fortran 代码通过 LFortran 和 Enzyme 实现自动微分
研究人员开发了一种方法，为遗留的 Fortran 代码启用自动微分，使其能够集成到 JAX 和 PyTorch 等现代机器学习框架中。该方法使用 LFortran 将 Fortran 编译为 LLVM IR，然后 Enzyme 在此基础上应用自动微分。生成的微分物理引擎可以被 Tesseract 包装为自定义 JAX 原始类型，从而可以在不重写原始模拟代码的情况下用于复杂的机器学习管道。尽管仍处于实验阶段，但该技术提供了一种利用数十年…
-
新框架ANYPoC通过可执行的概念验证测试提升LLM漏洞检测能力
研究人员开发了ANYPoC，一个旨在提高基于大型语言模型（LLM）的软件漏洞检测可靠性的新框架。该系统生成可执行的概念验证（PoC）测试来验证LLM识别出的疑似漏洞，充当自动化漏洞检测的可扩展预言机。ANYPoC通过分析漏洞报告、迭代合成和执行PoC，以及独立审查结果，来解决LLM的奖励破解和幻觉等局限性。在关键软件系统上的应用表明，ANYPoC在验证真实阳性漏洞报告和拒绝虚假阳性方面有了显著改进，从而发现了大量新漏洞，其中许多已被开…
-
开发者使用 LLVM 和 AI 辅助构建 BASIC09 编译器
一位开发者成功利用 LLVM 编译器基础设施创建了一个功能性的 BASIC 编译器。该项目专门针对 BASIC09 方言，该方言最初是为 OS-9 操作系统开发的。这项工作展示了现代大型语言模型在协助复杂软件开发任务（如构建编译器）方面的能力。
-
高通以40亿美元收购AI芯片软件公司Modular
高通公司正以近40亿美元的价格收购芯片软件初创公司Modular，其中包括向Modular员工支付3亿美元。此次收购旨在加强高通在移动芯片以外领域的扩张，进军AI小工具和数据中心等领域。Modular的平台允许开发人员编写AI软件，这些软件无需大量重写即可在各种芯片上运行，对Nvidia的CUDA等现有系统构成挑战。
-
算能（Sunmmio）3D TokenPU芯片流片，提升中国AI算力
算能（Sunmmio）已正式流片其为大模型推理设计的3D TokenPU芯片A4E。这标志着中国国产AI芯片产业迈出了重要一步，该芯片采用了3D混合堆叠架构，以解决大模型推理中的内存、计算和通信等关键瓶颈。该芯片旨在为国内大模型生态系统提供自主可控、高性能、高性价比的算力解决方案。
-
Protean Compiler 集成机器学习以实现细粒度LLVM优化
研究人员开发了Protean Compiler，一个旨在将细粒度阶段排序能力直接集成到LLVM编译器中的敏捷框架。该框架包含超过140种静态特征收集方法，旨在解决编译器阶段优化的长期挑战。实验表明，与LLVM的O3优化级别相比，平均速度提升高达4.1%，在特定应用程序上提升高达15.7%，同时构建时间增加极少。该系统还允许与第三方机器学习框架和LLM集成，在特定应用程序上展示了进一步的速度提升。
-
新论文发现：AI代理给开源治理带来压力
一篇新研究论文探讨了将AI代理集成到开源软件开发中的挑战。该论文强调，为人类贡献者设计的现有开源治理模式，因能够提交代码但监督有限的自主AI代理而承受压力。论文分析了六个主要开源组织的现有政策，并将其与新兴的AI治理框架进行比对，以识别差距并提出一个规范AI贡献者的分层框架。
-
AI 改进代码并优化编译器，超越人类方法
研究人员开发了使用 AI 优化代码的新方法。其中一种方法 CHECKMATE 使用由自然语言指导的代码演进，为复杂的工业问题自动生成算法，性能优于现有求解器。另一种方法 CompilerDream 采用强化学习模型来优化编译器传递，在不同代码库和语言中展现出强大的泛化能力，超越了标准优化。
-
TileLang通过Python接口简化GPU内核编写
一种名为TileLang的新编程语言旨在通过提供介于Triton等高级框架和CUTLASS等底层控制之间的中间层来简化GPU内核开发。TileLang允许开发人员编写Python代码，同时显式定义数据在内存层次结构和流水线阶段的放置。然后，编译器会推断线程映射并优化布局，从而降低了通常与手动线程管理相关的复杂性。
-
SocialCrawl 发布 AI 驱动的社交媒体搜索；AI '垃圾分叉' 挑战开源
SocialCrawl 是一项新服务，它聚合了来自 Reddit、X 和 TikTok 等 27 个社交和广告平台的实时数据。它利用 AI 进行情感分析、摘要和观点分布，并能够搜索标准搜索引擎无法访问的私有内容。该服务提供 API 以集成到 AI 代理和数据管道中，通过展示原始内容和 AI 生成的简报来强调透明度。Builder.io 正在应对开源软件中 AI 生成的“垃圾分叉”的兴起，这些分叉增加了维护者的拉取请求和审查负担。为了对…
-
Zig 加强 AI 贡献禁令，优先考虑人类开发者而非 AI 生成代码
Zig 编程语言项目已实施一项严格的政策，反对由大型语言模型生成或辅助的贡献。这一决定源于一种优先培养人类贡献者而非其提交代码的理念。项目领导者认为，审查 LLM 生成的代码不利于培养新的、值得信赖的开发者，而他们认为这对项目的长期健康至关重要。该政策对 Bun JavaScript 运行时等项目有影响，Bun 由 Anthropic 拥有并分叉了 Zig，因为 Bun 的开发者已表示，由于 Zig 的禁令，他们不会将 AI 辅助的性…