論文の概要: Source-Free Detection and Impact Analysis of Compiler Optimization Problems in Mobile Applications
- arxiv url: http://arxiv.org/abs/2606.23512v1
- Date: Mon, 22 Jun 2026 15:59:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-24 18:38:46.459766
- Title: Source-Free Detection and Impact Analysis of Compiler Optimization Problems in Mobile Applications
- Title（参考訳）: モバイルアプリケーションにおけるコンパイラ最適化問題のソースフリー検出と影響解析
- Authors: Han Hu, Xiaoheng Xie, Bo Sun, Jian Gu, Gang Fan, Li Li,
- Abstract要約: textscOptDetectは,コンパイラの最適化問題をアプリバイナリから直接検出する,フリーなフレームワークである。
textscOptDetectを830位のGoogle Playアプリから21,972のネイティブライブラリに適用すると、30.5%のライブラリが低い最適化レベルを使用しており、91.7%のアプリが影響を受けることがわかった。
- 参考スコア（独自算出の注目度）: 14.04498551351155
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mobile apps frequently suffer from performance issues such as frame drops, overheating, and excessive power consumption. While developers optimize algorithms and debug code, a critical bottleneck often goes unnoticed: native libraries compiled with low optimization levels (O0/O1 instead of O2/O3). Because these libraries execute without functional errors, the resulting performance degradation remains hidden in production apps, affecting millions of users. We present \textsc{OptDetect}, a source-free framework that detects compiler optimization problems directly from app binaries without requiring source code or build metadata. \textsc{OptDetect} handles mixed optimization levels within a single binary through a pipeline of binary disassembly, chunk-level classification, and weighted score aggregation, achieving 93.0\% accuracy on controlled datasets and 81.9\% on real-world datasets. Applying \textsc{OptDetect} to 21,972 native libraries from 830 top-ranked Google Play apps, we find that 30.5\% of libraries use low optimization levels, affecting 91.7\% of apps. Through case studies on 12 production apps (6 commercial, 6 open-source), we demonstrate that fixing detected issues reduces CPU instructions by 10-63\% (median: 20.5\%) for commercial apps and 15-58\% (median: 32\%) for open-source apps, with performance complaints decreasing by a median of 42\% and ratings increasing by a median of 0.14 points. Further investigation reveals a previously overlooked root cause: widely-used third-party libraries are themselves distributed at low optimization levels, with 49.7\% of 1,073 libraries in a major repository exhibiting this problem. These findings highlight the need for automated detection tools and industry-wide optimization standards.
- Abstract（参考訳）: モバイルアプリは、フレームドロップやオーバーヒート、過度の消費電力といったパフォーマンス上の問題に悩まされることが多い。
開発者はアルゴリズムを最適化し、コードをデバッグするが、重要なボトルネックはしばしば気づかない。
これらのライブラリは機能的なエラーなしに実行されるため、結果として生じるパフォーマンス劣化は本番アプリには隠され、数百万のユーザに影響を与える。
我々は,ソースコードやビルドメタデータを必要とせずに,コンパイラの最適化問題を直接アプリバイナリから検出する,フリーなフレームワークである‘textsc{OptDetect} を提示する。
\textsc{OptDetect}は、バイナリ分解、チャンクレベルの分類、重み付けされたスコアアグリゲーションのパイプラインを通じて、単一のバイナリ内の混合最適化レベルを処理し、制御されたデータセットでは93.0\%、実際のデータセットでは81.9\%を達成する。
トップランクの830のGoogle Playアプリの21,972のネイティブライブラリに‘textsc{OptDetect}を適用すれば、30.5\%のライブラリが低い最適化レベルを使用し、91.7\%のアプリに影響を与えることが分かる。
12のプロダクションアプリ(6つの商用、6つのオープンソース)のケーススタディを通じて、検出された問題を修正することで、商用アプリケーションのCPU命令が10-63\%(中間値:20.5\%)、オープンソースアプリケーションの15-58\%(中間値:32\%)、パフォーマンスの苦情が42\%、評価が0.14ポイント減少することを示した。
広く使われているサードパーティ製ライブラリは、最適化レベルが低く、この問題を示す主要なリポジトリには、1,073ライブラリの49.7%が配布されている。
これらの知見は、自動検出ツールと業界全体の最適化標準の必要性を強調している。
関連論文リスト
- CODEFUSE-DEBENCH: An Empirical Study on Readability, Recompilability, and Functionality [14.354022325641088]
本稿では, 可読性, 再コンパイル性, 機能性の3次元に沿って, 再コンパイル品質を測定する再利用可能な評価パラダイムを提案する。
我々は,多次元デコンパイル評価のための最初の自動フレームワークであるDEBENCHを提案する。
論文 参考訳（メタデータ） (2026-05-28T07:17:53Z) - optimize_anything: A Universal API for Optimizing any Text Parameter [98.42497715725356]
単一タスク検索をサポートする1つのAIベースの最適化システム、クロスプロブレム転送によるマルチタスク検索、および目に見えない入力への一般化を示す。
LLMに基づく検索によるテキストの最適化は汎用的な問題解決パラダイムであることを示す。
論文 参考訳（メタデータ） (2026-05-19T10:18:12Z) - Constraint-Guided Multi-Agent Decompilation for Executable Binary Recovery [47.704311990064554]
脱コンパイルは、セキュリティ分析、マルウェアのリバースエンジニアリング、レガシーソフトウェアメンテナンスに不可欠である。
マルチレベル制約誘導型デコンパイル(MCGD)により,デコンパイルされたコードを再実行可能なソースに変換するマルチエージェントフレームワークを提案する。
本フレームワークは,84～97%の再実行性を実現し,28～89ポイントのベースラインデコンパイラ出力を改善した。
論文 参考訳（メタデータ） (2026-04-27T01:28:11Z) - MobileDev-Bench: A Comprehensive Benchmark for Evaluating Language Models on Mobile Application Development [1.4302803674538154]
Android Native(Java/Kotlin)、React Native(TypeScript)、Flutter(Dart)にまたがる18のプロダクションモバイルアプリケーションから収集された384の現実世界の課題解決タスクからなるベンチマークであるMobileDev-Benchを紹介した。
各タスクは、実行可能テストパッチと開発者が報告した問題にペアリングし、モバイルビルド環境内でモデル生成の修正を完全に自動検証することを可能にする。
GPT-5.2, Claude Sonnet 4.5, Gemini Flash 2.5, Qwen3-Coder の4つの最先端コード対応LCMの評価
論文 参考訳（メタデータ） (2026-03-26T02:31:03Z) - Resource-Efficient Iterative LLM-Based NAS with Feedback Memory [49.44875022114861]
ニューラルアーキテクチャサーチ(NAS)はネットワーク設計を自動化するが、従来の手法ではかなりの計算資源を必要とする。
本稿では,大規模言語モデル(LLM)を活用して,畳み込みニューラルネットワークアーキテクチャを反復的に生成し,評価し,洗練するクローズドループパイプラインを提案する。
論文 参考訳（メタデータ） (2026-03-12T16:00:22Z) - 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) - Fine-Grained 1-Day Vulnerability Detection in Binaries via Patch Code Localization [12.73365645156957]
バイナリの1日間の脆弱性は、ソフトウェアセキュリティに対する大きな脅威になっている。
パッチの有無テストは 脆弱性を検出する効果的な方法の1つです
パッチコードとそのコンテキストから安定な値を利用するPLocatorという新しい手法を提案する。
論文 参考訳（メタデータ） (2025-01-29T04:35:37Z) - Latency-Aware Differentiable Neural Architecture Search [113.35689580508343]
近年、探索コストの低さと検索空間設計の柔軟性から、微分可能なニューラルネットワーク探索法が人気を博している。
しかし、これらの手法はネットワーク最適化の難しさに悩まされており、検索されたネットワークはハードウェアに不便な場合が多い。
本稿では,この問題を最適化に微分可能な遅延損失項を追加することにより,精度とレイテンシのトレードオフをバランス係数で行うことができる。
論文 参考訳（メタデータ） (2020-01-17T15:55:21Z)
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。