MBZUAI 发布 CASS 数据集, 应用在 GPU代码转换、编译器工具 领域

MBZUAI 本次发布的数据集 CASS, CASS数据集是一个大规模的跨架构GPU代码转换数据集和模型套件，旨在解决源代码级别（CUDA ↔ HIP）和汇编代码级别（Nvidia SASS ↔ AMD RDNA3）的转换问题。数据集包含7万对经过验证的代码，跨越主机和设备，解决了低级别GPU代码可移植性的关键问题。利用这一资源，我们训练了CASS系列的特定领域语言模型，实现了95%的源代码翻译准确率和37.5%的汇编代码翻译准确率，大大超过了商业基线，如GPT-4o、Claude和Hipify。我们生成的代码在超过85%的测试用例中与本地性能相匹配，保持了运行时和内存行为。为了支持严格的评估，我们引入了CASS-Bench，这是一个涵盖16个GPU领域的精心策划的基准测试，包括经过验证的执行。所有数据、模型和评估工具都作为开源发布，以促进GPU编译器工具、二进制兼容性和LLM引导的硬件转换方面的进步。

查看CASS

Dataset card 内容： 

Files and versions 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。