論文の概要: An Investigation on Numerical Bugs in GPU Programs Towards Automated Bug Detection

• arxiv url: http://arxiv.org/abs/2611.05121v1
• Date: Tue, 03 Nov 2026 16:09:26 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:40:08.213969
• Title: An Investigation on Numerical Bugs in GPU Programs Towards Automated Bug Detection
• Title（参考訳）: 自動バグ検出に向けたGPUプログラムにおける数値バグの検討
• Abstract要約: 汎用グラフィックス処理ユニット(GPU)コンピューティングは、並列コンピューティングのパラダイムの先駆けとして登場した。 しかし、GPUプログラムは数値的なバグの影響を受けやすいため、誤った結果やクラッシュにつながる可能性がある。 これらのバグは、特定の入力値や型に依存するため、検出、デバッグ、修正が難しい。
• 参考スコア（独自算出の注目度）: 11.118487587404234
• License:
• Abstract: General-purpose graphics processing unit (GPU) computing has emerged as a leading parallel computing paradigm, offering significant performance gains in various domains such as scientific computing and deep learning. However, GPU programs are susceptible to numerical bugs, which can lead to incorrect results or crashes. These bugs are difficult to detect, debug, and fix due to their dependence on specific input values or types and the absence of reliable error-checking mechanisms and oracles. Additionally, the unique programming conventions of GPUs complicate identifying the root causes of bugs, while fixing them requires domain-specific knowledge of GPU computing and numerical libraries. Therefore, understanding the characteristics of GPU numerical bugs (GPU-NBs) is crucial for developing effective solutions. In this paper, we conduct a comprehensive study of GPU-NBs by analyzing 397 real-world bug samples from GitHub. We identify common root causes, symptoms, input patterns, test oracles that trigger these bugs and the strategies used to fix them. We also present GPU-NBDetect, a preliminary tool designed to detect numerical bugs across six distinct bug categories. GPU-NBDetect detected a total of 226 bugs across 186 mathematical functions in four libraries, with 60 of the bugs confirmed by developers. Our findings lay the groundwork for developing detection and prevention techniques for GPU-NBs and offer insights for building more effective debugging and auto-repair tool.
• Abstract（参考訳）: 汎用グラフィックス処理ユニット(GPU)コンピューティングは、科学計算やディープラーニングなど、様々な分野において大きなパフォーマンス向上をもたらす、主要な並列コンピューティングパラダイムとして登場した。 しかし、GPUプログラムは数値的なバグの影響を受けやすいため、誤った結果やクラッシュにつながる可能性がある。 これらのバグは、特定の入力値や型に依存し、信頼性のあるエラーチェック機構やオラクルがないため、検出、デバッグ、修正が難しい。 さらに、GPUのユニークなプログラミング規則は、バグの根本原因を特定するのを複雑にし、それを修正するには、GPUコンピューティングと数値ライブラリに関するドメイン固有の知識が必要である。 したがって、GPU-NBの特性を理解することは、効率的なソリューションの開発に不可欠である。 本稿では,GitHubの397個の実世界のバグサンプルを分析し,GPU-NBの総合的な研究を行う。 これらのバグを誘発する共通根本原因、症状、入力パターン、テストオラクル、修正に使用する戦略を特定します。 また、6つの異なるバグカテゴリにまたがる数値バグを検出するための予備ツールであるGPU-NBDetectも紹介する。 GPU-NBDetectは、4つのライブラリで186の数学的関数で合計226のバグを検出し、60のバグが開発者によって確認された。 我々は,GPU-NBの検出・防止技術開発の基礎を築き,より効率的なデバッギングと自動修復ツール構築のための洞察を提供する。

関連論文リスト

• Characterizing Real-World Bugs in Tile Programs for Automated Bug Detection [12.913491087289117]
  タイルベースのプログラミングフレームワークは、ディープラーニングや科学計算などの領域で高性能なGPUカーネルを書くために、ますます採用されている。 コンパイルパイプラインには、入力フォーム、データタイプ、バックエンドターゲットと密結合された、異なるコード生成バグが導入されている。 本稿では,タイルプログラムによるコード生成バグの最初の系統的研究について述べる。
  論文  参考訳（メタデータ） (2026-05-19T10:42:29Z)
• GPU-Accelerated Algorithms for Graph Vector Search: Taxonomy, Empirical Study, and Research Directions [54.570944939061555]
  本稿では,GPU加速グラフに基づくベクトル探索アルゴリズムについて包括的に研究する。 我々は、GPU最適化戦略の詳細な分類を確立し、アルゴリズムタスクとハードウェア実行ユニット間のマッピングを明確にする。 我々の発見は、スケーラブルで堅牢なGPUベースの近接検索システムを設計するための明確なガイドラインを提供する。
  論文  参考訳（メタデータ） (2026-02-10T16:18:04Z)
• BugPilot: Complex Bug Generation for Efficient Learning of SWE Skills [59.003563837981886]
  高品質なバグは、次世代の言語モデルベースソフトウェアエンジニアリング(SWE)エージェントをトレーニングする鍵となる。 難易度および多種多様なバグを合成する新しい方法を提案する。
  論文  参考訳（メタデータ） (2025-10-22T17:58:56Z)
• Characterizing GPU Resilience and Impact on AI/HPC Systems [5.4879032865205986]
  本研究では,大規模AIシステムデルタHPCにおけるGPUレジリエンスを特徴付ける。 2.5年間の運用データ(1170万GPU時間)をGPUエラーに使用しました。
  論文  参考訳（メタデータ） (2025-03-14T22:14:18Z)
• VDebugger: Harnessing Execution Feedback for Debugging Visual Programs [103.61860743476933]
  V Debuggerは、視覚プログラムのローカライズとデバッギングのために、段階的に実行を追跡することで訓練された、批評家とリファインダーのフレームワークである。 Vデバッガは、詳細な実行フィードバックを活用してプログラムエラーを特定し、修正する。 6つのデータセットの評価は、Vデバッガの有効性を示し、ダウンストリームタスクの精度が最大3.2%向上したことを示している。
  論文  参考訳（メタデータ） (2024-06-19T11:09:16Z)
• VeriBug: An Attention-based Framework for Bug-Localization in Hardware Designs [2.807347337531008]
  近年,様々な用途を対象としたSystem-on-Chip設計の規模と複雑さが指数関数的に増大している。 これらのシステムにおける未検出バグのコストは、従来のプロセッサシステムよりもはるかに高い。 本稿では,近年のディープラーニングの進歩を活用してレジスタ・トランスファーレベルのデバッグを高速化するVeriBugを提案し,根本原因の可能性のある説明を生成する。
  論文  参考訳（メタデータ） (2024-01-17T01:33:37Z)
• Challenging Bug Prediction and Repair Models with Synthetic Bugs [7.285779914390472]
  BugFarmは任意のコードを複数の複雑なバグに変換する。 BUGFARMが生成した1.9万以上の変異株から435k以上のバグを総合的に評価する。
  論文  参考訳（メタデータ） (2023-10-03T20:01:51Z)
• Teaching Large Language Models to Self-Debug [62.424077000154945]
  大規模言語モデル(LLM)は、コード生成において素晴らしいパフォーマンスを達成した。 本稿では,大規模言語モデルで予測プログラムを数発のデモでデバッグする自己デバッグを提案する。
  論文  参考訳（メタデータ） (2023-04-11T10:43:43Z)

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。