論文の概要: KernelMutate: Mutation-Guided Validation of Generated GPU Kernels
- arxiv url: http://arxiv.org/abs/2611.15441v1
- Date: Wed, 11 Nov 2026 13:15:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.148118
- Title: KernelMutate: Mutation-Guided Validation of Generated GPU Kernels
- Title(参考訳): KernelMutate: 生成されたGPUカーネルの変異ガイドによる検証
- Abstract要約: KernelMutateは、制御された障害、リリースされた実装、代替テストを使った検証の実証的研究である。
全スイートでは、136の候補に対してネイティブなFP32証人を見つけ、さらに362のdtypeのみの発見を行い、ほとんどが精度の低い実行制限を課している。
- 参考スコア(独自算出の注目度): 8.843341750970453
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generated GPU implementations are commonly accepted after a few differential tests, although replacement obligations may remain unchecked. We present KernelMutate, an empirical study of validation reliability using controlled faults, released implementations, and replacement tests. A five-draw anchor accepts 548 of 838 CUDA candidates. The full suite finds native FP32 witnesses for 136 accepted candidates and dtype-only findings for another 362, mostly low-precision execution limitations without established publisher guarantees. Source-guided testing identifies the full suite's 692 candidates at 26.1% lower charged cost, but yields only dtype evidence for 16 accepted candidates with native witnesses in the full suite. Independently observed context and boundary findings cover the same candidate set. Task-held-out template matching reveals differences in ranking and observation coverage: global top-eight recommendations match more probes than class-conditioned lists (51 versus 48 of 75), while conditional analyses restrict the apparent advantage at smaller limits. These template-matching results are offline measurements, not deployed-suite gains. Independent controls and replacement cases expose numerical-policy, binding, and custom-execution boundaries. Validation therefore needs to report witness domains and observation coverage alongside candidate yield and cost.
- Abstract(参考訳): 生成したGPUの実装は、いくつかの差分テスト後に一般的に受け入れられるが、置換義務は未確認のままである。
本稿では,制御故障を用いた検証信頼性の実証研究であるKernelMutateについて述べる。
5人乗りのアンカーは、838人のCUDA候補のうち548人を受諾する。
全スイートは、136人の受理候補者のネイティブFP32証人、さらに362人のdtypeのみの発見を発見。
ソース誘導試験では、全スイートの692人の候補者を26.1%のコストで特定するが、全スイートのネイティブな証人を持つ16人の候補者について、d型証拠しか得られない。
独立に観察された文脈と境界は、同じ候補集合をカバーする。
グローバルトップ8レコメンデーションは、クラス条件付きリスト(51対48対75)よりも多くのプローブと一致します。
これらのテンプレートマッチング結果はオフライン計測であり、デプロイに適したゲインではない。
独立したコントロールと置換ケースは、数値政治、バインディング、カスタム実行境界を公開する。
したがって、バリデーションは、証人ドメインと監視カバレッジを、候補の収量とコストとともに報告する必要がある。
関連論文リスト
- Architectural Debt Enforcement under Incomplete Observation: A Controlled Study of Ratchets and Evidence Qualification [8.401473551081748]
我々は、観察資格の分離、関係アイデンティティの禁止、相続債務、認定基準更新に関する決定契約について検討する。
4つのリポジトリから240以上のファイルが固定され、現在のオブザーバーとプログラムによる参照は166ファイル(69.17%)と正確な参照関係のエッジアグリーメントを持つ。
このコントリビューションは、言語完全性や自然維持性、新たな縮小ベースラインアルゴリズムなどではなく、エビデンス認定された執行とその制限の制御された説明である。
論文 参考訳(メタデータ) (2026-10-30T05:26:42Z) - Beyond the Verdict: Agentic Code Judging with Verifiable Feedback [54.72977295521153]
我々は,人間の専門家による受諾プログラムと受諾プログラムを用いて,USACO 2026コンテストからUSACO-JUDGEを構築した。
次に、35Bのエージェント検証器であるARBITERを、汎用的な実行サンドボックスで強化学習して訓練する。
トレーニングは、不正なプログラムを40.61%から62.67%に、二分判定の精度を71.41%から87.41%に引き上げる。
論文 参考訳(メタデータ) (2026-10-13T17:22:58Z) - Bayesian Test-Time Inference of Task-Aligned Similarity from Weak Interactive Feedback [50.42640957891911]
言語モデルシステムは、類似性を比較することで、繰り返しテスト時の決定を行う。
しかし、類似性はユニークではない:語彙、意味、構造、類似性はNの選択点を取得することができる。
本稿では,現在の意思決定を統括するトレーニングフリーベイズ手法であるAxis Interactive Signalsを紹介する。
論文 参考訳(メタデータ) (2026-10-13T16:19:49Z) - TestJack: Should you trust the results in coding benchmarks? Agentic Coding Benchmarks Auditing via Evaluator Evolution [56.4111102268819]
大規模言語モデル(LLM)エージェントは、ソフトウェア工学を急速に再構築している。
しかし、既存のベンチマークのほとんどすべてが、同じ数十年前の基準に依存している。
固定テストを超えてパッチを評価するスケーラブルなフレームワークであるTestJackを紹介します。
論文 参考訳(メタデータ) (2026-10-07T07:58:04Z) - Benchmarking candidate coverage and rejection policy transfer in typed decision models [7.736174008951463]
公開参照ラベルを用いてLaya,Jev,Qwen2.5-7B-Instructを比較した。
ソースキャリブレーションは、しばしばターゲットの動作点を保存するのに失敗する。
10の意図的候補を持つLayaは、スコープ外クエリの99.0%を検出するが、カバークエリの48.8%を拒否する。
論文 参考訳(メタデータ) (2026-10-02T14:36:46Z) - Marginal Fidelity Does Not Establish User Simulation in Demographic Synthetic Survey Panels: Response Contracts, Support Collapse and Conditioning Failure [51.736723807086385]
人口密着協定は、個別のシミュレーションの証拠ではなく、エスカレーション契約の証拠であり、シミュレーションされた回答者なしで得られる推定値である。
9つのアライメントされたモデルバッテリペアでは、非個人個体数のクエリの平均は6.27 MAE対12.39であり、9つの比較すべてで勝利する。
論文 参考訳(メタデータ) (2026-09-07T10:22:22Z) - Measuring the Checker: Mutation Analysis for GPU-Kernel Benchmark Oracles [86.41218924166775]
LLM生成のGPUカーネルのベンチマークは、ランダムな入力とゆるやかな浮動小数点耐性で正確性を決定する。
最近の研究は、これらのチェッカーは弱く、手動でパッチを当てることに同意している。
本稿では,カーネルベンチマークの精度指標として突然変異解析を導入する。
論文 参考訳(メタデータ) (2026-09-02T10:30:05Z) - Validation-Frontier Representation Selection under Constrained Observation [0.0]
本稿では,制約観測下での表現選択について検討する。
本稿では, バランスの取れた精度と, 機能コスト, 過度なギャップ, 検証テストの不安定性に対するペナルティを組み合わせた検証最前線セレクタを提案する。
論文 参考訳(メタデータ) (2026-08-15T07:40:39Z) - Auditable Release Control for Pedagogical Leakage in LLM Tutors [0.0]
大規模な言語モデルチューターは、その開示が承認される前に答えや決定的な推論を明らかにするのに役立ちます。
我々は、この状態および行動依存的障害を、教育的漏洩認識認可として定式化し、完全修復境界を導入する。
グローバルA1は0の多数と54のユーティリティフラグを獲得し、自動安全と実用性において適合Qを上回っている。
論文 参考訳(メタデータ) (2026-08-01T08:24:30Z) - Falsification-Based Verification of LLM-Generated Optimization Models: Sound Test Batteries and Their Detection Limits [1.7545090618311434]
大規模言語モデルは、決定問題の自然言語記述をソルバ対応最適化モデルに変換するが、それらは静かに失敗する。
本稿では,この設定に対するファルシフィケーションに基づく検証理論を考案する。
記述中の全ての数値は型付きスロットであり、候補モデルはスロット変換されたインスタンスのソルバ呼び出しによってのみテストされる。
論文 参考訳(メタデータ) (2026-07-18T05:32:37Z) - Shrinking the Generation-Verification Gap with Weak Verifiers [42.538675831498715]
検証者は、生成された候補から応答をスコア付けしてランク付けすることで、言語モデル機能を改善することができる。
Weaverは、複数の弱い不完全な検証器を組み合わせることで、強力な検証器を設計するためのフレームワークである。
論文 参考訳(メタデータ) (2025-06-22T23:38:15Z)
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。