一项系统性研究评估了编码智能体修补编译器遗漏优化的效果，发现成功需要对超出特定报告案例的类似实例进行泛化。

  • 研究人员使用真实的 LLVM 遗漏优化问题构建了基准测试，以比较智能体生成的补丁与人类开发者的补丁。
  • 结果表明，虽然智能体经常能优化提供的示例，但其补丁通常只覆盖预期范围的一部分或与其中部分重叠。
  • 在某些情况下，智能体生成的补丁泛化程度超出了开发者提供的参考补丁。
  • 该研究引入了利用历史知识的增强技术，通过检索和蒸馏利用先前的 LLVM 优化 pull requests。
  • 这些增强技术改善了与开发者对齐的泛化能力，并在应用于真实 IR 时产生实际益处。

研究结果突显了自动化编译器优化的复杂性，表明如果没有更广泛的泛化能力，仅修复示例是不够的。