컴파일러가 놓친 최적화를 에이전트 기반으로 수정하는 것에 대한 이해

Understanding Agent-Based Patching of Compiler Missed Optimizations

컴파일러가 놓친 최적화는 컴파일러가 특정 코드에 대해 최적화를 수행하지 못한 경우를 의미합니다. 이러한 놓친 최적화를 구현하거나 수정하기 위해서는 많은 컴파일러 개발자들의 노력이 필요합니다. 본 논문에서는 에이전트가 컴파일러의 놓친 최적화를 얼마나 잘 수정하는지에 대한 체계적인 연구를 제시합니다. 우리는 놓친 최적화 수정을 위해서는 보고된 사례만을 수정하는 것 이상으로, 유사한 사례에 대한 일반화가 필요하다는 중요한 과제를 확인했습니다. 실제 LLVM에서 발생한 놓친 최적화 문제를 담은 벤치마크를 구성하고, 에이전트가 생성한 패치와 개발자가 작성한 패치를 최적화 범위 측면에서 비교했습니다. 결과적으로 코딩 에이전트는 주어진 예제에 대한 최적화를 수행하는 경향을 보이지만, 많은 생성된 패치는 개발자가 의도한 전체 범위를 부분적으로만 포함하거나 일부 겹치는 경우가 있으며, 경우에 따라 참조 패치보다 더 광범위하게 일반화되는 것을 확인했습니다. 또한, 이전 LLVM 최적화 관련 변경 요청(pull requests)에서 얻은 지식을 활용하여 검색 및 추출 과정을 통해 에이전트의 성능을 향상시키는 기술을 도입했으며, 이는 개발자와 일관된 수준으로 일반화를 이루고 실제 중간 코드(IR)에 적용했을 때 실질적인 이점을 제공한다는 것을 확인했습니다.

Compiler missed optimizations refer to cases in which compilers failed to optimize certain code. It takes many compiler developers' efforts to implement or patch such missed optimizations. In this paper, we present a systematic study of how well agents patch compiler missed optimizations. We identify a significant challenge that patching a missed optimization requires more than just fixing the reported case, and instead requires generalizing to similar cases. We construct a benchmark of real-world LLVM missed optimization issues and compare agent-generated patches with patches from developers in terms of optimization scope. Our results show that coding agents often optimize the given examples, but many generated patches either cover only part of the developer-intended scope or partially overlap with it; in some cases, they further generalize beyond the reference patch. We further introduce historical-knowledge augmentation techniques that leverage prior LLVM optimization pull requests through retrieval and distillation, showing that they improve developer-aligned generalization and yield practical benefits when applied to real-world IR.