引用viraptor · 2025-07
“But it's a step in that direction.”
认为它虽不完美,但是朝这个方向迈出的一步,用 LLM 做汇编程序超优化
用大模型改写汇编程序,经强化学习后跑得比 gcc -O3 更快
论文构建了首个大规模汇编超优化基准(8,072 个平均约 130 行的程序),评测了 23 个 LLM,其中最强基线 Claude-opus-4 的测试通过率为 51.5%、相对 gcc -O3 平均加速 1.43 倍。作者以兼顾正确性和加速比的奖励对 Qwen2.5-Coder-7B-Instruct 做强化学习,得到的 SuperCoder 正确率达 95.0%、平均加速 1.46 倍,再配合 Best-of-N 采样与迭代改进还能进一步提升。
HN 评论者把它当作用 LLM 做汇编级程序优化这一方向上的一步进展来引用。
“But it's a step in that direction.”