هوش مصنوعی
چارچوب LARK صحت هسته‌های GPU تولیدشده با مدل‌های زبانی را به‌صورت صوری بررسی می‌کند
پژوهشگران در پیش‌چاپی تازه، LARK را معرفی کرده‌اند؛ چارچوبی که رفتار هسته‌های GPU را با پیاده‌سازی مرجع PyTorch مقایسه و هم‌ارزی آن‌ها را تحت محاسبات دقیق اثبات می‌کند.
هسته‌های بهینهٔ GPU معمولاً به سخت‌افزار خاص وابسته‌اند و در سطحی پایین نوشته می‌شوند. درحالی‌که عامل‌های مبتنی بر مدل‌های زبانی بزرگ می‌توانند این کدها را سریع تولید کنند، آزمون‌های رایج فقط شواهدی از درستی ارائه می‌دهند و تضمین قطعی نمی‌دهند.
LARK، چارچوبی عامل‌محور که در پیش‌چاپی در arXiv معرفی شده، برای بررسی خودکار و صوری هسته‌های GPU در برابر پیاده‌سازی مرجع آن‌ها در PyTorch طراحی شده است. طبق چکیدهٔ پژوهش، این چارچوب هم‌ارزی عملکردی و رفتاری حافظه را تحت محاسبات دقیق اثبات می‌کند.
LARK مدل ماشین GPU و معنای هر عملگر را در Lean 4 صورت‌بندی می‌کند. در این رویکرد، بررسی انسانی به اعتبارسنجی معناشناسی عملگرها در سطح عملگر و پیش از تولید هسته محدود می‌شود، نه بازبینی خط‌به‌خط هر کد تولیدشده. منبع مشخص نمی‌کند این چارچوب روی چه سخت‌افزارها یا مجموعه‌ای از هسته‌ها ارزیابی شده است.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده