记录一些学习日常

摘要： 机器学习(ML)越来越被视为构建编译器优化启发式的可行方法，但许多ML方法甚至不能复制对做出良好优化决策至关重要的最简单的数据流分析。 我们假设，如果ML不能做到这一点，那么它就没有足够的能力对程序进行推理。 我们将数据流分析描述为监督学习任务，并从几个分析中引入了一个大型开放的程序数据集及其相应的标签。 我们使用这个数据集来对ML方法进行基准测试，并表明它们在这些基本的程序推理任务上遇到了困难。 我们提出了PROGRAML（用于机器学习的程序）——一种独立于语言的、可移植的程序语义表示。 该程序克服了以往工作的局限性，提高了下游优化任务的性能。 阅读全文