当分析的程序表示中缺少编译器的使能语义时，优化编译器会错过有利可图的转换。我们询问大型语言模型（ LLM ）是否可以从异构C/C + +上下文中恢复此类语义，并将其实现为经过验证的、契约保留的工件。我们介绍了SeGaBench ，这是一个包含100个合成案例和20个源代码支持案例的可执行基准

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2608.03983v1)获取最准确的信息。

---
🔗 **原文链接**: [Can Large Language Models Recover Semantic Optimization Oppo](https://arxiv.org/abs/2608.03983v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Hailong Jiang, Feng Yu, Emran Hossain, Jianfeng Zhu, Mengfei Ren, Qiang Guan, Chunwei Xia

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-08-05 14:01