Effect of Abstractions and Prompting Strategies on LLM-Guided High-Performance Optimizations
यह शोध पत्र यह प्रदर्शित करता है कि समानांतर (parallel) HPC अनुप्रयोगों के लिए, विशिष्ट लक्ष्यों के साथ अनुकूलित C कोड उत्पन्न करने के लिए सीधे लार्ज लैंग्वेज मॉडल्स (LLMs) को प्रॉम्प्ट करना, पारंपरिक डोमेन-विशिष्ट एब्स्ट्रैक्शन और ऑटो-ट्यूनिंग फ्रेमवर्क पर निर्भर रहने की तुलना में बेहतर प्रदर्शन और वैधता प्रदान करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।