論文の概要: The New Compiler Stack: A Survey on the Synergy of LLMs and Compilers

• arxiv url: http://arxiv.org/abs/2601.02045v1
• Date: Mon, 05 Jan 2026 12:02:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:23.057676
• Title: The New Compiler Stack: A Survey on the Synergy of LLMs and Compilers
• Title（参考訳）: 新しいコンパイラスタック: LLMとコンパイラのシナジーに関する調査
• Authors: Shuoming Zhang, Jiacheng Zhao, Qiuchu Yu, Chunwei Xia, Zheng Wang, Xiaobing Feng, Huimin Cui,
• Abstract要約: この調査は、LLM対応コンパイルの新しい分野を体系的に概観した。 コンパイラ開発の民主化、新しい最適化戦略の発見、コンパイラの伝統的なスコープの拡大の3つの主な利点を特定した。 この分野の課題と機会に対処する上で、私たちは、ハイブリッドシステムの開発を最も有望な進路としながら、正確性を確保し、スケーラビリティを達成するための重要なハードルを強調しました。
• 参考スコア（独自算出の注目度）: 6.842505574546511
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This survey has provided a systematic overview of the emerging field of LLM-enabled compilation by addressing several key research questions. We first answered how LLMs are being integrated by proposing a comprehensive, multi-dimensional taxonomy that categorizes works based on their Design Philosophy (Selector, Translator, Generator), LLM Methodology, their operational Level of Code Abstraction, and the specific Task Type they address. In answering what advancements these approaches offer, we identified three primary benefits: the democratization of compiler development, the discovery of novel optimization strategies, and the broadening of the compiler's traditional scope. Finally, in addressing the field's challenges and opportunities, we highlighted the critical hurdles of ensuring correctness and achieving scalability, while identifying the development of hybrid systems as the most promising path forward. By providing these answers, this survey serves as a foundational roadmap for researchers and practitioners, charting the course for a new generation of LLM-powered, intelligent, adaptive and synergistic compilation tools.
• Abstract（参考訳）: 本調査は,LLM対応コンパイルの新たな分野を,いくつかの重要な研究課題に対処して体系的に概説した。 私たちはまず、LLMがどのように統合されているかについて、設計哲学(セレクタ、トランスレータ、ジェネレータ)、LLM方法論、運用レベルのコード抽象化、それに対処する特定のタスクタイプに基づいて分類する、包括的な多次元分類を提案することで答えた。 コンパイラ開発の民主化、新しい最適化戦略の発見、そしてコンパイラの伝統的なスコープの拡大です。 最後に、この分野の課題と機会に対処する上で、我々は、ハイブリッドシステムの開発を最も有望な進路としながら、正確性を確保し、スケーラビリティを達成するための重要なハードルを強調した。 これらの回答を提供することで、この調査は研究者や実践者の基本的なロードマップとなり、新しい世代のLLMによる、インテリジェントで、適応的で、シナジスティックなコンパイルツールのコースをグラフ化します。

関連論文リスト

• Deep Research: A Systematic Survey [118.82795024422722]
  Deep Research (DR)は、大規模言語モデルの推論能力と検索エンジンなどの外部ツールを組み合わせることを目的としている。 本調査は,深層研究システムの包括的かつ体系的な概要を提示する。
  論文  参考訳（メタデータ） (2025-11-24T15:28:28Z)
• A Comprehensive Survey on Benchmarks and Solutions in Software Engineering of LLM-Empowered Agentic System [56.40989626804489]
  この調査は、Large Language Modelsを使ったソフトウェアエンジニアリングに関する、最初の総合的な分析を提供する。 本稿では,150以上の最近の論文をレビューし,(1)素早い,微調整,エージェントベースのパラダイムに分類した解法,(2)コード生成,翻訳,修復などのタスクを含むベンチマークという2つの重要な側面に沿った分類法を提案する。
  論文  参考訳（メタデータ） (2025-10-10T06:56:50Z)
• A Systematic Survey on Large Language Models for Evolutionary Optimization: From Modeling to Solving [26.501685261132124]
  大規模言語モデル(LLM)は、最適化問題に対処するためにますます研究されている。 急速な進歩にもかかわらず、この分野は依然として統一的な合成と体系的な分類を欠いている。 この調査は、最近の開発を包括的にレビューし、構造化されたフレームワーク内でそれらを整理することで、このギャップに対処する。
  論文  参考訳（メタデータ） (2025-09-10T04:05:54Z)
• A Survey on Code Generation with LLM-based Agents [61.474191493322415]
  大規模言語モデル(LLM)を利用したコード生成エージェントは、ソフトウェア開発パラダイムに革命をもたらしている。 LLMは3つのコア特徴によって特徴づけられる。 本稿では,LLMに基づくコード生成エージェントの分野を体系的に調査する。
  論文  参考訳（メタデータ） (2025-07-31T18:17:36Z)
• From Linguistic Giants to Sensory Maestros: A Survey on Cross-Modal Reasoning with Large Language Models [56.9134620424985]
  クロスモーダル推論(CMR)は、より高度な人工知能システムへの進化における重要な能力として、ますます認識されている。 CMRタスクに取り組むためにLLM(Large Language Models)をデプロイする最近のトレンドは、その有効性を高めるためのアプローチの新たな主流となっている。 本調査では,LLMを用いてCMRで適用された現在の方法論を,詳細な3階層分類に分類する。
  論文  参考訳（メタデータ） (2024-09-19T02:51:54Z)
• LLM Inference Unveiled: Survey and Roofline Model Insights [62.92811060490876]
  大規模言語モデル(LLM)推論は急速に進化しており、機会と課題のユニークなブレンドを提示している。 本調査は, 研究状況を要約するだけでなく, 屋上モデルに基づく枠組みを導入することによって, 従来の文献レビューから際立っている。 このフレームワークは、ハードウェアデバイスにLSMをデプロイする際のボトルネックを特定し、実用上の問題を明確に理解する。
  論文  参考訳（メタデータ） (2024-02-26T07:33:05Z)
• Evolutionary Computation in the Era of Large Language Model: Survey and Roadmap [26.959633651475016]
  大規模言語モデル(LLM)と進化的アルゴリズム(EA)の相互作用は、複雑な問題における適用可能性の共通の追求を共有している。 LLMに固有の豊富なドメイン知識により、EAはよりインテリジェントな検索を行うことができる。 本稿では、相互インスピレーションを2つの主要な道に分類する、徹底的なレビューと前方のロードマップを提供する。
  論文  参考訳（メタデータ） (2024-01-18T14:58:17Z)
• The Tyranny of Possibilities in the Design of Task-Oriented LLM Systems: A Scoping Survey [1.0489539392650928]
  この論文は、最小限のタスク指向LLMシステムを定義し、そのようなシステムの設計空間を探求することから始まる。 結果のパターンを議論し、3つの予想に定式化する。 いずれにせよ、スコーピング調査は将来の研究の指針となる7つの予想を提示している。
  論文  参考訳（メタデータ） (2023-12-29T13:35:20Z)

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。