論文の概要: CLIR: Liveness-Driven and Structure-Aware Fuzzing for the Cranelift Compiler
- arxiv url: http://arxiv.org/abs/2606.26977v1
- Date: Thu, 25 Jun 2026 12:48:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.285645
- Title: CLIR: Liveness-Driven and Structure-Aware Fuzzing for the Cranelift Compiler
- Title（参考訳）: CLIR:Craneliftコンパイラのライブ駆動と構造認識ファズリング
- Abstract要約: Craneliftは、Rustの実験的なバックエンドとして最近採用された、モダンなコンパイラバックエンドである。
SSAの有効性を保証するため,構文保存型階層生成戦略を統合した差分テストフレームワークであるCLIRを提案する。
72時間以内に、CLIRはすべてのターゲットアーキテクチャにまたがる24のバグを発見し、21と9が修正された。
- 参考スコア（独自算出の注目度）: 14.51845239273176
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern compilers are complex software systems that must correctly translate high-level programming languages into machine code across multiple architectures. Cranelift, a fast and modern compiler backend originally developed for WebAssembly and recently adopted as an experimental backend for Rust, has gained increasing importance due to its superior compilation speed compared to LLVM and comprehensive multi-architecture support, including x86-64, AArch64, s390x, and RISCV64. However, despite decades of development in compiler testing, testing Cranelift still presents unique challenges, including (1) constructing valid IR under the strict enforcement of SSA form, (2) generating sequences with sufficient computational density to stress backend components, and (3) balancing broad backend coverage with efficient root cause analysis across heterogeneous architectures. To address these challenges, we propose CLIR, a differential testing framework that integrates a syntax-preserving hierarchical generation strategy to guarantee SSA validity, a liveness-guided instruction refinement mechanism to maximize computational density, and a diagnosis-guided cross-architecture adaptation scheme to facilitate efficient root cause analysis across heterogeneous backends. Our comprehensive evaluation demonstrates that CLIR significantly outperforms existing state-of-the-art baselines, detecting 8x, 24x, and 8x more unique bugs than cranelift-fuzzgen, wasm-smith, and WASMaker, respectively, while RustSmith uncovered no bugs. Consequently, within 72 hours of testing, CLIR discovered 24 bugs spanning all target architectures, with 21 confirmed and 9 fixed.
- Abstract（参考訳）: 現代のコンパイラは複雑なソフトウェアシステムであり、複数のアーキテクチャでハイレベルなプログラミング言語を機械コードに変換する必要がある。
WebAssembly用に開発され、最近Rustの実験的なバックエンドとして採用された、高速でモダンなコンパイラバックエンドであるCraneliftは、LLVMよりもコンパイル速度が優れていることや、x86-64、AArch64、s390x、RISCV64を含む包括的なマルチアーキテクチャサポートによって、重要性が増している。
しかしながら、コンパイラテストの数十年間の開発にもかかわらず、Cranliftのテストは、(1)SSAフォームの厳格な強制の下で有効なIRを構築すること、(2)バックエンドコンポーネントの負荷に十分な計算密度のシーケンスを生成すること、(3)異種アーキテクチャ間の効率的な根本原因分析と広義のバックエンドカバレッジのバランスをとること、など、独特な課題を呈している。
これらの課題に対処するために,SSAの妥当性を保証するための構文保存型階層生成戦略と,計算密度を最大化するための実効性誘導型命令改善機構と,異種バックエンド間の効率的な根本原因解析を容易にする診断誘導型クロスアーキテクチャ適応スキームを統合した差分テストフレームワークであるCLIRを提案する。
私たちの総合的な評価によると、CLIRは既存の最先端ベースラインを著しく上回り、クレーンリフトファズゲン、ワサムスミス、WASMakerよりも8倍、24倍、および8倍のユニークなバグを検出し、RustSmithはバグを発見できなかった。
その結果、72時間以内に、CLIRはすべてのターゲットアーキテクチャにまたがる24のバグを発見し、21と9が修正された。
関連論文リスト
- LACE: Large Language Model Aided Multi-Agent Framework for Agile RISC-V Instruction Extension [14.290484938298524]
ドメイン固有の命令セットアーキテクチャ eXtensions (ISAX) は、新興ワークロードを高速化するためにRISC-Vエコシステムで広く採用されている。
既存のフレームワークはいまだにコアごとのインタフェース適応を必要としており、マイクロアーキテクチャやISAXの変更によって差分テストは失敗することが多い。
自然言語ISAXインテントをコンパクトな2レベルIRに変換するLLM支援型マルチエージェントワークフローであるLACEを提案する。
論文 参考訳（メタデータ） (2026-08-03T22:07:06Z) - LLM Translation of Compiler Intermediate Representation [2.614444430580024]
本稿では,GIMPLE を LLVM IR に変換するための変換器モデル IRIS-14B を提案する。
我々の知る限りでは、IRIS-14BはIR-to-IR翻訳のために明示的に訓練された最初のモデルである。
現在入手可能な最先端のオープンモデルを含む、広く使われているモデルの精度は、13～1000億のパラメータから44ポイントまで向上している。
論文 参考訳（メタデータ） (2026-05-07T13:22:23Z) - ORBIT: Guided Agentic Orchestration for Autonomous C-to-Rust Transpilation [5.3011925761003775]
プロジェクトレベルのC-to-Rust翻訳のための自律型エージェントフレームワークであるORBITを提案する。
動的コンテキスト収集と依存性誘導オーケストレーションと反復検証を組み合わせたものだ。
C2RustとCRUST-Benchをはるかに上回り、安全でないRustのコードブロックをほぼゼロに減らしている。
論文 参考訳（メタデータ） (2026-04-13T20:40:34Z) - SlopCodeBench: Benchmarking How Coding Agents Degrade Over Long-Horizon Iterative Tasks [55.76734816061826]
我々は20の問題と93のチェックポイントからなる言語に依存しないベンチマークであるSlopCodeBenchを紹介する。
我々は、冗長性、重複コードの割合、構造的侵食という2つの軌道レベルの品質信号を追跡する。
11モデルにまたがるエンドツーエンドの問題を解決するエージェントは存在しない。
論文 参考訳（メタデータ） (2026-03-25T19:26:44Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - Architecture-Aware Multi-Design Generation for Repository-Level Feature Addition [53.50448142467294]
RAIMは、リポジトリレベルの機能追加のための、多設計およびアーキテクチャ対応のフレームワークである。
複数の多様な実装設計を生成することで、線形パッチから切り離される。
NoCode-bench Verifiedデータセットの実験では、RAIMが新しい最先端のパフォーマンスを確立することが示されている。
論文 参考訳（メタデータ） (2026-03-02T12:50:40Z) - 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) - RealSec-bench: A Benchmark for Evaluating Secure Code Generation in Real-World Repositories [58.32028251925354]
LLM(Large Language Models)は、コード生成において顕著な能力を示しているが、セキュアなコードを生成する能力は依然として重要で、未調査の領域である。
我々はRealSec-benchを紹介します。RealSec-benchは、現実世界の高リスクなJavaリポジトリから慎重に構築されたセキュアなコード生成のための新しいベンチマークです。
論文 参考訳（メタデータ） (2026-01-30T08:29:01Z) - 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) - ASMA-Tune: Unlocking LLMs' Assembly Code Comprehension via Structural-Semantic Instruction Tuning [33.53059396922164]
アセンブリコード分析と理解は、リバースエンジニアリングのようなアプリケーションにおいて重要な役割を果たす。
従来のマスク付き言語モデリングアプローチは、自然言語の相互作用に明示的に焦点を合わせていない。
本稿では、エンドツーエンドな構造意味的命令チューニングフレームワークであるアセンブリ・チューニングについて述べる。
論文 参考訳（メタデータ） (2025-03-14T17:36:08Z) - Fuzzing Deep Learning Compilers with HirGen [12.068825031724229]
HirGenは、ハイレベルIRの最適化において、コーディングミスを効果的に露呈することを目的とした自動テスト技術である。
HirGenは、TVMで発生した21のバグを正常に検出し、17のバグが確認され、12が修正された。
実験の結果,HirGenは48時間以内にベースラインで検出できない10のクラッシュや不整合を検出することができた。
論文 参考訳（メタデータ） (2022-08-03T16:26:30Z)
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。