在反汇编任务上，LLM Compiler的往返反汇编成功率为45%，其中14%完全匹配，表现优于其他模型。
LLM Compiler构建在Code Llama的基础上，在代码生成和理解方面的能力得到了进一步增强。
建议持续关注 LLM Compiler 的官方更新和研究论文，以获取其未来发展和应用的最新信息。
研究团队通过对表 2 中总结的未优化程序应用随机生成的编译器优化序列，生成大量示例，用于训练模型预测优化生成的代码，以及预测应用优化后的代码大小。
LLM Compiler的训练过程涉及大量的数据预处理、特征工程和模型训练，以确保模型对编译器表示、汇编代码和优化技术的深入理解。
他们还使用了一个包含 164 个自测试 C++ 程序的套件，用于自动识别破坏程序语义或导致编译器崩溃的优化 pass 列表。