可扩展等价饱和的 LLM 指导策略合成
人工智能
2026-04-21 v1 多智能体系统
编程语言
摘要
等价饱和（EqSat）是一种强大的优化范式，通过 e-图紧凑表示大量等价程序，并在提取阶段延迟选择最低成本程序。因此，使 EqSat 有效地显式需要不仅是域特定的改写规则，还需要域特定的策略。今天， much of this strategy design 仍然是手动的，这构成了自动化基于 e-图的编译器的一个主要障碍。最近的规则合成框架可以从语义规范中自动推断大型改写词汇表，但它们也扩大了改写空间，进一步恶化了 e-图爆炸。虽然大型语言模型（LLM）使得自动策略合成变得可行，但直接演化后端代码在实践中仍不有效。该搜索缺乏可重用的策略抽象和可操作的反馈，容易触发 e-图爆炸或收敛到差设计。我们提出了 EggMind，一个 LLM 指导的、端到端的框架，用于合成可重用的 EqSat 策略。其核心，EggMind 引入了域特定语言 EqSatL，将 EqSat 策略表示为明确且可检查的制品。随后，我们提出了 LLM 指导的智能工作流程，配合包括改写动机缓存和可行性引导等新技术，能够在保持合成稳定性的同时高效搜索高质量策略。评估显示，EggMind 在向量化基准测试中显著改善了资源-质量权衡，使最终成本降低 45.1%，峰值内存降低 69.1%。我们进一步展示了相同方法性质有效地转移到基于 XLA 的张量编译器，并演示了其在增强改写空间下的逻辑综合案例研究中的实际潜力。
引用
@article{arxiv.2604.17364,
title = {LLM-Guided Strategy Synthesis for Scalable Equality Saturation},
author = {Chenyun Yin and Youwei Xiao and Yuze Luo and Yuyang Zou and Yun Liang},
journal= {arXiv preprint arXiv:2604.17364},
year = {2026}
}