論文の概要: LLM-HPC++: Evaluating LLM-Generated Modern C++ and MPI+OpenMP Codes for Scalable Mandelbrot Set Computation

• arxiv url: http://arxiv.org/abs/2512.17023v1
• Date: Thu, 18 Dec 2025 19:37:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-22 19:25:54.149148
• Title: LLM-HPC++: Evaluating LLM-Generated Modern C++ and MPI+OpenMP Codes for Scalable Mandelbrot Set Computation
• Title（参考訳）: LLM-HPC++: スケーラブルマンデルブロ集合計算のためのLLM生成モダンC++とMPI+OpenMPコードの評価
• Authors: Patrick Diehl, Noujoud Nader, Deepti Gupta,
• Abstract要約: 大規模言語モデル(LLM)は、コード生成の自動化において有望であるが、その正確かつ効率的なHPCコードを生成する効果はよく理解されていない。 我々は,共有メモリ,ディレクティブベース,分散メモリのパラダイムを用いて,マンデルブロット集合のC++実装を生成するタスクにおいて,ChatGPT 4および5,Claude,LLaMAを含む主要なLLMを体系的に評価した。 その結果, ChatGPT-4 と ChatGPT-5 は高い構文的精度と拡張性が得られることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Parallel programming remains one of the most challenging aspects of High-Performance Computing (HPC), requiring deep knowledge of synchronization, communication, and memory models. While modern C++ standards and frameworks like OpenMP and MPI have simplified parallelism, mastering these paradigms is still complex. Recently, Large Language Models (LLMs) have shown promise in automating code generation, but their effectiveness in producing correct and efficient HPC code is not well understood. In this work, we systematically evaluate leading LLMs including ChatGPT 4 and 5, Claude, and LLaMA on the task of generating C++ implementations of the Mandelbrot set using shared-memory, directive-based, and distributed-memory paradigms. Each generated program is compiled and executed with GCC 11.5.0 to assess its correctness, robustness, and scalability. Results show that ChatGPT-4 and ChatGPT-5 achieve strong syntactic precision and scalable performance.
• Abstract（参考訳）: 並列プログラミングはハイパフォーマンスコンピューティング(HPC)の最も難しい側面の1つであり、同期、通信、メモリモデルに関する深い知識を必要とする。 現代のC++標準やOpenMPやMPIのようなフレームワークは並列処理を単純化しているが、これらのパラダイムをマスターすることは依然として複雑である。 近年,Large Language Models (LLM) はコード生成の自動化を約束しているが,その正確かつ効率的なHPCコード生成の有効性はよく理解されていない。 本研究では,共有メモリ,ディレクティブベース,分散メモリのパラダイムを用いたMandelbrot集合のC++実装を生成するタスクにおいて,ChatGPT 4および5,Claude,LLaMAを含む主要なLLMを体系的に評価する。 生成されたプログラムはGCC 11.5.0でコンパイルされ、その正確性、堅牢性、拡張性を評価する。 その結果, ChatGPT-4 と ChatGPT-5 は高い構文的精度と拡張性が得られることがわかった。

関連論文リスト

• PerfCodeGen: Improving Performance of LLM Generated Code with Execution Feedback [78.89596149768458]
  大規模言語モデル(LLM)は、ソフトウェア開発タスクを支援するために広く採用されている。 LLM生成コードの性能を向上させるトレーニングフリーフレームワークPerfCodeGenを提案する。
  論文  参考訳（メタデータ） (2024-11-18T06:22:38Z)
• OMPar: Automatic Parallelization with AI-Driven Source-to-Source Compilation [4.266086505323998]
  本稿では,OpenMP pragmasを用いたC/C++コードの並列化を自動化するAI駆動型ツールであるOMParを紹介する。 OMParは、ループ並列化ポテンシャルを評価するOMPifyと、正確なOpenMPパグマを生成する新しい微調整モデルであるMonoCoder-OMPの2つの主要なコンポーネントを通じて、LLM(Large Language Models)を統合している。
  論文  参考訳（メタデータ） (2024-09-23T07:39:01Z)
• MPIrigen: MPI Code Generation through Domain-Specific Language Models [3.5352856644774806]
  本研究ではまず,MPIに基づく並列プログラム生成における最先端言語モデルの性能について検討する。 HPCorpusMPI上でMonoCoderを微調整することでMPIベースのプログラム生成のダウンストリームタスクを導入する。 この調整されたソリューションの成功は、並列計算コード生成のための最適化言語モデルにおいて、ドメイン固有の微調整の重要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2024-02-14T12:24:21Z)
• ML-Bench: Evaluating Large Language Models and Agents for Machine Learning Tasks on Repository-Level Code [76.84199699772903]
  ML-Benchは、既存のコードリポジトリを利用してタスクを実行する現実世界のプログラミングアプリケーションに根ざしたベンチマークである。 LLM(Large Language Model)とAIエージェントの両方を評価するために、事前に定義されたデプロイメント環境でLLMのテキスト-コード変換を評価するML-LLM-Benchと、Linuxサンドボックス環境でエンドツーエンドのタスク実行で自律エージェントをテストするML-Agent-Benchの2つの設定が採用されている。
  論文  参考訳（メタデータ） (2023-11-16T12:03:21Z)
• L2MAC: Large Language Model Automatic Computer for Extensive Code Generation [52.81694565226513]
  トランスフォーマーベースの大規模言語モデル(LLM)は、基盤となるトランスフォーマーアーキテクチャの固定コンテキストウィンドウによって制約される。 本稿では,L2MACを提案する。L2MACは,LLMをベースとした汎用型自動計算機(von Neumann Architecture)フレームワークで,長期的かつ一貫した出力生成を実現する。
  論文  参考訳（メタデータ） (2023-10-02T16:55:19Z)
• HPC-Coder: Modeling Parallel Programs using Large Language Models [2.3101915391170573]
  ハイパフォーマンスおよび科学的コードに特有のタスクに、いかに大きな言語モデルを適用することができるかを示す。 我々は、HPCと科学コードの新しいデータセットを導入し、それをいくつかの事前訓練されたモデルを微調整するために使用します。 本研究では,汎用モデルでは不可能なHPC関数を自動補完できることを示す。
  論文  参考訳（メタデータ） (2023-06-29T19:44:55Z)
• Advising OpenMP Parallelization via a Graph-Based Approach with Transformers [2.393682571484038]
  我々は,OpenMPのプラグマと共有メモリ属性を並列コードで検出し,予測する,OMPifyと呼ばれる新しい手法を提案する。 OMPifyは、ソースコードのグラフベースの表現を利用するTransformerベースのモデルに基づいている。 以上の結果から,OMPifyは汎用および人気の高いChatGPTやPragFormerモデルなど,既存のアプローチよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-05-16T16:56:10Z)

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。