Meta telah merilis kompiler Meta LLM yang mengesankan, yang dibangun di atas Meta Code Llama dan memiliki dua versi, 7B dan 13B. Kemampuan optimasi dan kompilasi kodenya yang kuat sangat mengesankan. Ia tidak hanya dapat mensimulasikan perilaku kompiler, memprediksi jalur pengoptimalan terbaik, dan bahkan melakukan pembongkaran kode, menunjukkan tingkat kecerdasan melebihi kompiler tradisional. Versi FTD yang disempurnakan telah mencapai hasil luar biasa dalam pengoptimalan ukuran kode. Dibandingkan dengan opsi pengoptimalan -Oz, versi ini telah meningkat sebesar 5,24%, jauh melebihi GPT-4 Turbo sebesar 0,03%. Performanya dalam pembongkaran juga sangat baik, dan skor BLEU pulang pergi sebesar 0,96 juga jauh di depan GPT-4 Turbo.
Kompiler Meta LLM telah menunjukkan kemampuan yang kuat dalam pengoptimalan dan pembongkaran kode. Versi FTD yang telah disempurnakan mencapai peningkatan pengoptimalan ukuran kode sebesar 5,24% dibandingkan opsi pengoptimalan -Oz, dan mencapai BLEU bolak-balik sebesar 0,96 dalam kemampuan pembongkaran skornya jauh melebihi skor GPT-4Turbo. Hasil luar biasa ini telah menarik perhatian luas di industri ini. Kompiler dapat disesuaikan untuk tugas-tugas tertentu dan terus ditingkatkan seiring pembelajaran, dengan potensi besar untuk pengembangan di masa depan. Tautan ke makalah dan model yang relevan telah dipublikasikan, dan pembaca yang tertarik dapat mempelajari lebih lanjut.

Selain itu, dalam hal kemampuan pembongkaran, kompiler LLM FTD menunjukkan kemampuan yang kuat, mencapai skor BLEU bolak-balik sebesar 0,96, jauh melebihi skor GPT-4Turbo sebesar 0,43.
Berita ini telah menarik perhatian luas di Internet, dan pembaca yang tertarik dapat mengunjungi tautan ke model dan makalah tersebut untuk mempelajari lebih lanjut.
Makalah: https://ai.meta.com/research/publications/meta-large-lingual-model-compiler-foundation-models-of-compiler-optimization/?utm_source=twitter&utm_medium=organic_social&utm_content=link&utm_campaign=fair
Munculnya kompiler Meta LLM menandai terobosan besar AI di bidang optimasi dan kompilasi kode. Kinerjanya yang kuat dan potensi pengembangan di masa depan patut dinantikan. Teknologi ini diyakini akan memberikan dampak besar pada bidang pengembangan perangkat lunak dan kecerdasan buatan.