Zexin Li 等发布ProCerDCL：深度学习编译器优化的黑盒概率验证框架

Zexin Li 等在 arXiv 发布论文，提出 ProCerDCL——一个查询高效的黑盒概率验证框架，用于评估深度学习编译器优化的属性。该框架在给定固定的可采样输入分布和二元属性 oracle 的条件下，针对阈值 θ 评估属性违反概率，输出三值判定：接受 p≤θ、拒绝 p>θ+η 或不确定，各类错误判定概率由设定的误差预算约束。 论文的评估覆盖 TorchInductor 和 TensorRT 上的 24 个任务，考察采样效率、判定完结度和诊断行为。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。