论文用模糊测试与 AI 智能体排查 XLA:TPU 编译器缺陷。
资讯摘要
论文提出一套用于验证和排查 Google XLA:TPU 编译器在超大规模场景下正确性的方法。作者结合合成程序生成与真实生产轨迹进行模糊测试，并调度 AI 智能体集群自动生成压力测试、复现失败并起草修复；同时用分层差分流水线将大计算图二分定位到融合内核中的具体出错算子。作者报告该框架已在生产环境推动解决 142 个以上编译器缺陷，另有 103 项发现待审。
要点速读
- 论文将合成程序生成与真实生产轨迹结合用于模糊测试，并调度 AI 智能体集群自动生成压力测试、复现失败和起草修复。
- 作者采用分层差分流水线，将大计算图逐层二分定位到融合内核中单个失败算子。
- 作者报告该框架在生产中推动解决 142 个以上编译器缺陷，另有 103 项发现处于审查中。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。