論文の概要: VecIntrinBench: Benchmarking Cross-Architecture Intrinsic Code Migration for RISC-V Vector

• arxiv url: http://arxiv.org/abs/2511.18867v1
• Date: Mon, 24 Nov 2025 08:11:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:25.100296
• Title: VecIntrinBench: Benchmarking Cross-Architecture Intrinsic Code Migration for RISC-V Vector
• Title（参考訳）: VecIntrinBench:RISC-Vベクタのクロスアーキテクチャ固有のコードマイグレーションのベンチマーク
• Authors: Liutong Han, Chu Kang, Mingjie Xing, Yanjun Wu,
• Abstract要約: アーキテクチャ間でのRISC-Vベクトル(RVV)固有の関数の変換は、現在主流のアプローチである。 現在、RVV拡張の固有のマイグレーション機能を包括的に評価するベンチマークはない。 RVV拡張を包含する最初の固有ベンチマークであるVecIntrinBenchを提案する。
• 参考スコア（独自算出の注目度）: 8.59222474360646
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intrinsic functions are specialized functions provided by the compiler that efficiently operate on architecture-specific hardware, allowing programmers to write optimized code in a high-level language that fully exploits hardware features. Using intrinsics to vectorize core code blocks is a standard optimization method in high-performance libraries, often requiring specific vector optimization implementations for multiple mainstream architectures. The promising RISC-V software ecosystem has a significant demand for algorithm library migration and adaptation. Translating existing intrinsic functions to RISC-V Vector (RVV) intrinsic functions across architectures is currently a mainstream approach. Rule-based intrinsic mapping methods and LLM-based code generation can help developers address the code migration challenge. However, existing intrinsic code benchmarks focus on mainstream SIMD intrinsics and lack support for the emerging RISC-V architecture. There is currently no benchmark that comprehensively evaluates the intrinsic migration capabilities for the RVV extension. To fill this gap, we propose VecIntrinBench, the first intrinsic benchmark encompassing RVV extensions. It includes 50 function-level tasks from open source repositories, implemented as scalars, RVV intrinsics, Arm Neon intrinsics, and x86 intrinsics, along with comprehensive functional and performance test cases. We systematically evaluated various code migration approaches on VecIntrinBench, yielding a series of insightful findings. The results demonstrate that advanced Large Language Models (LLMs) achieve a similar effect as rule-based mapping approaches for RISC-V code migration, while also delivering superior performance. We further analyze the reasons and identify future directions for LLM development in the code migration field. The VecIntrinBench is open-sourced to benefit the broader community and developers.
• Abstract（参考訳）: 固有の関数は、コンパイラによって提供される特殊な関数で、アーキテクチャ固有のハードウェアで効率的に動作し、プログラマはハードウェア機能を完全に活用したハイレベル言語で最適化されたコードを書くことができる。 コアコードブロックのベクトル化に内在性を用いることは、高性能ライブラリの標準的な最適化手法であり、複数の主流アーキテクチャに対して特定のベクトル最適化実装を必要とすることが多い。 RISC-Vの有望なソフトウェアエコシステムは、アルゴリズムライブラリのマイグレーションと適応に大きな需要を持っている。 既存の固有関数を RISC-V Vector (RVV) に変換することは、現在主流のアプローチである。 ルールベースの固有のマッピングメソッドとLLMベースのコード生成は、開発者がコードマイグレーションの課題に対処するのに役立ちます。 しかし、既存の固有のコードベンチマークは、メインストリームのSIMD固有のもので、RISC-Vアーキテクチャをサポートしていない。 現在、RVV拡張の固有のマイグレーション機能を包括的に評価するベンチマークはない。 このギャップを埋めるために、RVV拡張を含む最初の固有ベンチマークであるVecIntrinBenchを提案する。 これには、スカラー、RVVイントリンシクス、Arm Neonイントリンシクス、x86イントリンシクスとして実装された、オープンソースのリポジトリから50の関数レベルタスクと、包括的な機能テストとパフォーマンステストケースが含まれている。 VecIntrinBench上で様々なコードマイグレーションアプローチを体系的に評価し,洞察に富んだ結果を得た。 その結果,高度なLarge Language Models (LLMs) はRISC-Vコードマイグレーションのためのルールベースのマッピングアプローチと同じような効果を示し,性能も向上した。 さらに,コードマイグレーション分野におけるLCM開発の今後の方向性を明らかにする。 VecIntrinBenchは、より広いコミュニティと開発者に利益をもたらすためにオープンソース化されている。

関連論文リスト

• QiMeng-NeuComBack: Self-Evolving Translation from IR to Assembly Code [52.66657751895655]
  大規模言語モデル(LLM)は、ニューラルコンパイルという魅力的な新しいパラダイムを提供する。 本稿では,IR-to-assemblyコンパイル用に設計された新しいベンチマークデータセットであるNeuComBackを紹介する。 LLMの内部的なプロンプト戦略を進化させる自己進化的プロンプト最適化法を提案する。
  論文  参考訳（メタデータ） (2025-11-03T03:20:26Z)
• STARK: Strategic Team of Agents for Refining Kernels [23.717055490630596]
  我々は,GPUカーネル最適化のためのエージェントフレームワークを導入し,マルチエージェント協調による設計空間を探索する。 このフレームワークはエキスパートエンジニアのワークフローを模倣し、LCMがハードウェアトレードオフを推論し、プロファイリングフィードバックを取り入れ、カーネルを反復的に洗練することを可能にする。 我々は,LLMに基づくカーネル最適化のベンチマークであるKernelBenchに対するアプローチを評価し,ベースラインエージェントよりも大幅に改善したことを示す。
  論文  参考訳（メタデータ） (2025-10-19T20:41:46Z)
• Sample-Efficient Online Learning in LM Agents via Hindsight Trajectory Rewriting [92.57796055887995]
  本稿では,言語モデルエージェントの強化学習から後視体験のリプレイに適応するプロンプトフレームワークECHOを紹介する。 ECHOは失敗した試みで達成できた代替目標のために最適化された軌道を生成する。 我々は、テキストベースのナビゲーションと計画ベンチマークであるXMiniGridのステートフルバージョンと、協調的な情報収集企業シミュレーションであるPeopleJoinQAについて、ECHOを評価した。
  論文  参考訳（メタデータ） (2025-10-11T18:11:09Z)
• IntrinTrans: LLM-based Intrinsic Code Translator for RISC-V Vector [9.678932711610244]
  既存のベクトル化された内在的コードをRVV内在的に変換することは、実用的で効果的なアプローチである。 現在のクロスアーキテクチャの翻訳は手書きの書き換えに大きく依存している。 IntrinTransは、コンパイルとテストのフィードバックを利用して、アーキテクチャ間で固有のコードを自動的に翻訳するマルチエージェントアプローチである。
  論文  参考訳（メタデータ） (2025-10-11T08:52:01Z)
• Retrofitting Control Flow Graphs in LLVM IR for Auto Vectorization [0.14323566945483493]
  本稿では,高次構造情報をエンコードするSIRと,データ依存解析による依存性を明示的に表現するVIRという,2つの特殊なIR拡張を備えたベクトル化パイプラインを提案する。 提案するベクトル化パイプラインは,LLVMとGCCと比較して最大53%,58%の高速化を実現している。
  論文  参考訳（メタデータ） (2025-10-06T15:11:41Z)
• VerlTool: Towards Holistic Agentic Reinforcement Learning with Tool Use [78.29315418819074]
  VerlToolは、体系的な設計原則を通じて制限に対処する統一的でモジュール化されたフレームワークです。 我々のフレームワークはARLTをマルチターントラジェクトリとして定式化し、マルチモード観測トークン(テキスト/画像/ビデオ)を単一ターンRLVRパラダイムを超えて拡張する。 モジュール化されたプラグインアーキテクチャは、軽量Python定義のみを必要とする迅速なツール統合を可能にする。
  論文  参考訳（メタデータ） (2025-09-01T01:45:18Z)
• SimdBench: Benchmarking Large Language Models for SIMD-Intrinsic Code Generation [7.839161849517216]
  大きな言語モデルは、SIMD固有のプログラミングの課題でプログラマを支援することを約束している。 既存のコード生成ベンチマークではスカラーコードのみに焦点が当てられており、SIMDイントロニクスを用いたベクトル化コードの生成においてLLMがどのように機能するかは定かではない。 我々はSIMD固有のコード生成用に特別に設計された最初のコードベンチマークであるSimdBenchを提案する。
  論文  参考訳（メタデータ） (2025-07-21T03:55:41Z)
• Tensor Program Optimization for the RISC-V Vector Extension Using Probabilistic Programs [0.6242215470795112]
  RISC-VベクトルユニットにAIワークロードを効率的にマッピングするためのTVMコンパイラに基づくワークフローを提案する。 本提案では,GCCのオートベクタ化機能と比較して,実行レイテンシが平均46%向上したことを示す。 コミュニティが他のRISC-V拡張をターゲットに拡張する提案をオープンソースとして公開しました。
  論文  参考訳（メタデータ） (2025-07-02T08:15:33Z)
• Beyond the Edge of Function: Unraveling the Patterns of Type Recovery in Binary Code [55.493408628371235]
  本稿では,バイナリコードの変数型を復元するフレームワークByteTRを提案する。 ByteTRは、関数間の変数伝搬の普遍性を考慮して、変数伝搬をトレースするためのプロシーダ間解析を行い、ゲートグラフニューラルネットワークを用いて、変数型回復のための長距離データフロー依存性をキャプチャする。
  論文  参考訳（メタデータ） (2025-03-10T12:27:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。