EggMind: Sintesi di Strategie Guidata da LLM per l'Ottimizzazione con Uguaglianza di Saturazione
Uno studio recente ha svelato EggMind, un sistema innovativo che sfrutta i grandi modelli linguistici per automatizzare la sintesi di strategie per l'ottimizzazione con uguaglianza di saturazione. Questa tecnica di ottimizzazione è nota per la sua capacità di rappresentare programmi equivalenti multipli all'interno di un e-graph, posticipando le decisioni fino a quando la fase di estrazione identifica il programma più conveniente. Tradizionalmente, la progettazione di strategie nei compilatori basati su e-graph è stata un processo manuale, presentando sfide significative per l'automazione. Sebbene i framework più recenti di sintesi di regole possano dedurre ampi vocabolari di riscrittura da specifiche semantiche, spesso portano a uno spazio di riscrittura ampliato e a una maggiore complessità dell'e-graph. La ricerca, condivisa su arXiv con l'identificatore 2604.17364v1, sottolinea che un'efficace uguaglianza di saturazione richiede sia regole di riscrittura specifiche del dominio che strategie. EggMind rappresenta un passo avanti nella sintesi automatizzata di strategie per l'uguaglianza di saturazione scalabile.
Fatti principali
- EggMind utilizza grandi modelli linguistici per la sintesi di strategie nell'uguaglianza di saturazione
- L'uguaglianza di saturazione rappresenta in modo compatto molti programmi equivalenti in un e-graph
- La progettazione di strategie è stata tradizionalmente manuale per i compilatori basati su e-graph
- I framework di sintesi di regole possono dedurre automaticamente ampi vocabolari di riscrittura
- I grandi vocabolari di riscrittura aggravano l'esplosione dell'e-graph
- L'evoluzione diretta del codice backend tramite LLM manca di astrazioni di strategia riutilizzabili
- La ricerca è stata annunciata su arXiv con l'identificatore 2604.17364v1
- L'uguaglianza di saturazione ritarda l'impegno fino a quando l'estrazione seleziona il programma a costo più basso
Entità
Istituzioni
- arXiv