論文の概要: LLM-Driven Kernel Evolution: Automating Driver Updates in Linux
- arxiv url: http://arxiv.org/abs/2511.18924v1
- Date: Mon, 24 Nov 2025 09:31:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-25 18:34:25.132421
- Title: LLM-Driven Kernel Evolution: Automating Driver Updates in Linux
- Title（参考訳）: LLM駆動カーネル進化 - Linuxにおけるドライバアップデートの自動化
- Abstract要約: Linuxカーネルの進化は、API/ABIの変更、セマンティックシフト、セキュリティ強化アップデートを通じてドライバを壊す。
本稿では,カーネル$rightarrow$driver共進化事例の実行可能なコーパスであるDRIVEBENCHと,ドライバのメンテナンスを自動化する閉ループLLM駆動システムであるAUTODRIVERを紹介する。
- 参考スコア（独自算出の注目度）: 19.111608041629008
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Linux kernel evolution breaks drivers through API/ABI changes, semantic shifts, and security-hardening updates. We introduce DRIVEBENCH, an executable corpus of kernel$\rightarrow$driver co-evolution cases, and AUTODRIVER, a closed-loop, LLM-driven system for automating driver maintenance. The system integrates prompt engineering, multi-agent collaboration, static analysis, and iterative validation to ensure that generated patches are not only syntactically correct but also functionally and semantically consistent with kernel conventions. The corpus spans v5.10-v6.10 with 235 validated cases drawn from 612 candidates. In evaluation across 55 cases, AUTODRIVER achieves 56.4% compilation success; QEMU-based boot verification indicates that compiled patches preserve driver initialization in most instances. By releasing DRIVEBENCH and tooling, we enable reproducible research and a practical route to continuous, safe co-evolution of drivers with the Linux kernel.
- Abstract（参考訳）: Linuxカーネルの進化は、API/ABIの変更、セマンティックシフト、セキュリティ強化アップデートを通じてドライバを壊す。
本稿では,カーネル$\rightarrow$driver共進化事例の実行可能なコーパスであるDRIVEBENCHと,ドライバのメンテナンスを自動化する閉ループLLM駆動システムであるAUTODRIVERを紹介する。
このシステムは、プロンプトエンジニアリング、マルチエージェントのコラボレーション、静的解析、反復検証を統合し、生成されたパッチが構文的に正しいだけでなく、カーネルの規約とセマンティックに一致していることを保証する。
コーパスはv5.10-v6.10にまたがり、612の候補者から235の検証されたケースがある。
55ケースの評価では、AUTODRIVERは56.4%のコンパイル成功を達成している。
DRIVEBENCHとツーリングをリリースすることにより、再現可能な研究を可能にし、Linuxカーネルとドライバの継続的かつ安全な共進化への実践的な経路を提供する。
関連論文リスト
- Harness Engineering for LLM-Driven GPU Kernel Generation [1.375573703671189]
大規模言語モデル(LLM)はGPUカーネル生成を支援するが、その実用性は生成したコードが確実に制約され、検証され、プロファイルされ、選択されるかどうかに依存する。
本稿では,MLSys 2026 FlashInfer AI Kernel Generation ContestにおけるLLM駆動型GPUカーネル最適化のためのハーネス中心システムを提案する。
論文 参考訳（メタデータ） (2026-07-20T14:14:14Z) - Automatic Detection of Reference Counting Bugs in Linux Kernel Drivers [1.3075880857448061]
我々はLinuxカーネルドライバの参照カウントバグを検出する新しい自動化ツールであるDrvHornを紹介する。
DrvHornは545のバグを発見し、そのうち424は以前は知られていなかった。
新たに発見されたバグの根本原因を解決するため,Linuxカーネルにパッチを提出し,そのうち45をマージした。
論文 参考訳（メタデータ） (2026-05-13T09:31:08Z) - NeuroClaw Technical Report [54.14941057366186]
NeuroClawは、神経イメージング研究のためのドメイン特化マルチエージェント研究アシスタントである。
NeuroClawは、フォーマットとモダリティをまたいだ生のニューロイメージングデータを直接運用する。
3階層のスキル/エージェント階層は、ユーザとのインタラクション、高レベルのオーケストレーション、低レベルのツールスキルを分離する。
論文 参考訳（メタデータ） (2026-04-27T16:57:14Z) - KISS Sorcar: A Stupidly-Simple General-Purpose and Software Engineering AI Assistant [8.273738980475393]
KISS Sorcarは、KISS Agent Framework上に構築された汎用アシスタントおよび統合開発環境である。
KISS Sorcarは無償のオープンソースVisual Studio Codeエクステンションで、ローカルで、長期タスクに対して効果的に実行される。
システム全体が4.5ヶ月で自力で構築され、継続的ストレステストが実施され、エージェントが導入したバグが直ちに機能する能力が損なわれる。
論文 参考訳（メタデータ） (2026-04-26T17:59:06Z) - OneDrive: Unified Multi-Paradigm Driving with Vision-Language-Action Models [69.2503510410147]
予め訓練されたVLM上に構築した統合自動運転フレームワークを提案する。
トレーニング済みのVLMアテンションは、純粋言語モデリング以上の強い伝達性を示すことを示す。
エンドツーエンドの自動運転ベンチマークの実験は、最先端のパフォーマンスを示している。
論文 参考訳（メタデータ） (2026-04-20T07:50:00Z) - Beyond Crash-to-Patch: Patch Evolution for Linux Kernel Repair [2.267311896805228]
Linuxカーネルの修正は、受け入れ前にメーリングリストの反復的なリビジョンが行われ、レビュアーからのフィードバックが正確さ、ハンドリング、APIコンプライアンスを形作る。
6946 syzbot-linked bug-fix cyclesを再構築し,カーネルパッチの進化に関する大規模な研究を行った。
我々は、検索ベースのメモリと微調整された診断アドバイザを統合する修復フレームワークであるPatchAdvisorを開発し、コードエージェントをレビュアー対応パッチへ誘導する。
論文 参考訳（メタデータ） (2026-04-04T20:23:32Z) - Bench2Drive-VL: Benchmarks for Closed-Loop Autonomous Driving with Vision-Language Models [50.22099309218635]
自律運転においては、閉ループ評価はオープンループ評価よりも信頼性の高い検証方法として広く認識されている。
本稿では,VLM駆動における閉ループ評価を実現するBench2Drive-VLについて述べる。
論文 参考訳（メタデータ） (2026-04-01T11:38:46Z) - Towards Cold-Start Drafting and Continual Refining: A Value-Driven Memory Approach with Application to NPU Kernel Synthesis [68.7701048879757]
EvoKernelは、カーネル合成のライフサイクルを自動化する自己進化型エージェントフレームワークである。
ステージ固有のQ値を学び、現在の目標への貢献に基づいて経験を優先する。
モデルの正しさを11.0%から83.0%に改善し、初期ドラフトよりも3.60倍のスピードアップを実現している。
論文 参考訳（メタデータ） (2026-03-11T14:57:06Z) - Outrunning LLM Cutoffs: A Live Kernel Crash Resolution Benchmark for All [57.23434868678603]
Live-kBenchは、新たに発見されたカーネルバグのエージェントをスクラップし、評価するセルフ進化ベンチマークの評価フレームワークである。
kEnvは、カーネルのコンパイル、実行、フィードバックのためのエージェントに依存しないクラッシュ解決環境である。
kEnvを用いて3つの最先端エージェントをベンチマークし、最初の試行で74%のクラッシュを解決したことを示す。
論文 参考訳（メタデータ） (2026-02-02T19:06:15Z) - AgentDrive: An Open Benchmark Dataset for Agentic AI Reasoning with LLM-Generated Scenarios in Autonomous Systems [3.099103925863002]
本稿では30万の運転シナリオを含むオープンベンチマークデータセットであるAgentDriveを紹介する。
AgentDriveは、シナリオタイプ、ドライバの動作、環境、道路レイアウト、目的、難易度、トラフィック密度の7つの軸にまたがる要因化されたシナリオ空間を形式化する。
シミュレーションに基づく評価を補完するために,5つの推論次元にまたがる10万件の多重選択ベンチマークであるAgentDrive-MCQを紹介する。
論文 参考訳（メタデータ） (2026-01-23T18:33:41Z) - VibeTensor: System Software for Deep Learning, Fully Generated by AI Agents [42.56489784841984]
実装の変更が生成され、エージェントが提案する差分として適用される。
アーキテクチャを説明し、システムの生成と検証に使用するワークフローを要約し、アーティファクトを評価する。
論文 参考訳（メタデータ） (2026-01-21T19:29:00Z) - ProofWright: Towards Agentic Formal Verification of CUDA [1.8946520856889382]
大規模言語モデル(LLM)は、最適化されたカーネルを自動生成するためにますます使われている。
高速な生成にもかかわらず、これらのカーネルには微妙な修正バグがあり、正式な安全保証がないことが多い。
本稿では,このギャップを埋めるエージェント検証フレームワークProofWrightについて述べる。
論文 参考訳（メタデータ） (2025-11-15T17:06:50Z) - dParallel: Learnable Parallel Decoding for dLLMs [77.24184219948337]
拡散大言語モデル(dLLM)は並列トークン予測と低推論遅延を提供する。
既存のオープンソースモデルは、パフォーマンスを確保するためにトークン長のデコードステップをほとんど必要としています。
高速サンプリングのためにdLLMs固有の並列性を解き放つシンプルで効果的な方法であるdParallelを導入する。
論文 参考訳（メタデータ） (2025-09-30T16:32:52Z) - CrashFixer: A crash resolution agent for the Linux kernel [58.152358195983155]
この作業は、システムレベルのLinuxカーネルバグのベンチマークと、Linuxカーネルで実験を実行するプラットフォームを共有するkGymの上に構築されている。
CrashFixerはLinuxカーネルのバグに適応する最初のLCMベースのソフトウェア修復エージェントである。
論文 参考訳（メタデータ） (2025-04-29T04:18:51Z) - MigGPT: Harnessing Large Language Models for Automated Migration of Out-of-Tree Linux Kernel Patches Across Versions [53.811953357289866]
大規模言語モデル(LLM)は、様々な領域で顕著な進歩を示している。
LLMは不完全なコードコンテキスト理解と不正確なマイグレーションポイント識別に苦労する。
MigGPTは、コードスニペット情報を保持するために新しいコード指紋構造を使用するフレームワークである。
論文 参考訳（メタデータ） (2025-04-13T08:08:37Z) - KNighter: Transforming Static Analysis with LLM-Synthesized Checkers [20.368621145118468]
KNighterは多様なバグパターンを検出することができる高精度チェッカーを生成する。
これまでに、KNighterの合成チェッカーは、Linuxカーネルに92の新しい、クリティカルで、長期間のバグを発見した。
論文 参考訳（メタデータ） (2025-03-12T02:30:19Z) - KGym: A Platform and Dataset to Benchmark Large Language Models on Linux Kernel Crash Resolution [59.20933707301566]
大規模言語モデル(LLM)は、ますます現実的なソフトウェア工学(SE)タスクにおいて一貫して改善されている。
現実世界のソフトウェアスタックでは、Linuxカーネルのような基本的なシステムソフトウェアの開発にSEの取り組みが費やされています。
このような大規模システムレベルのソフトウェアを開発する際にMLモデルが有用かどうかを評価するため、kGymとkBenchを紹介する。
論文 参考訳（メタデータ） (2024-07-02T21:44:22Z) - Kernel Identification Through Transformers [54.3795894579111]
カーネル選択はガウス過程(GP)モデルの性能決定において中心的な役割を果たす。
この研究は、高次元GP回帰モデルのためのカスタムカーネル関数を構築するという課題に対処する。
KITT: Kernel Identification through Transformersを提案する。
論文 参考訳（メタデータ） (2021-06-15T14:32:38Z)
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。