文集文档索引

• 10.2 统一中间表示的愿景
• 10.2.1 跨语言、跨硬件的通用 IR 可能性
• 10.2.2 硬件/软件协同设计中的 IR 演进
• 10.1 AI 在 IR 优化中的应用
• 10.1.1 基于强化学习的 Pass 排序
• 10.1.2 使用深度学习进行启发式策略替换
• 9.3.1 基于语法的 IR 生成
• 9.3.2 差异化测试 (Differential Testing)策略
• 第10章：未来趋势与展望
• 9.1 IR 的验证与调试
• 9.1.1 验证器 (Verifier)：确保 IR 良构性
• 9.1.2 可视化工具：CFG 与 CallGraph 渲染
• 9.2 形式化验证与等价性检查
• 9.2.1 Translation Validation：验证优化过程的正确性
• 9.2.2 Alive2：LLVM IR 优化的形式化验证工具
• 9.3 编译器模糊测试 (Fuzzing)
• 8.2 并行与矢量化 IR
• 8.2.1 自动矢量化 (Auto-vectorization) 与 SLP
• 8.2.2 并行 IR 扩展（如 OpenMP 的 IR 表示）
• 8.3 面向特定硬件的 IR
• 8.3.1 GPU IR：SPIR-V 与 PTX
• 8.3.2 领域特定加速器 (NPU/TPU) 的 IR 设计
• 第9章：IR 的工程实践与质量保证
• 8.1.1 栈上替换 (OSR) 技术
• 8.1.2 性能分析驱动的优化 (PGO)
• 7.3 指令调度 (Instruction Scheduling)
• 7.3.1 列表调度 (List Scheduling)
• 7.3.2 软件流水线 (Software Pipelining)
• 第8章：进阶主题：动态编译与硬件映射
• 8.1 即时编译 (JIT) 中的 IR
• 7.1.1 树覆盖算法与平铺 (Tiling)
• 7.1.2 基于 DAG 的模式匹配 (SelectionDAG)
• 7.1.3 GlobalISel：更快的全局指令选择
• 7.2 寄存器分配 (Register Allocation)
• 7.2.1 图着色算法 (Graph Coloring)
• 7.2.2 线性扫描算法 (Linear Scan)
• 7.2.3 溢出代码 (Spill Code) 插入与优化
• 6.3.2 Linalg Dialect：线性代数算子融合
• 6.3.3 LLVM Dialect：降级到后端
• 第7章：后端 IR 与代码生成 (Code Generation)
• 7.1 指令选择 (Instruction Selection)
• 6.2.3 声明式重写规则 (DRR) 与 模式匹配
• 6.3 典型 MLIR 方言应用
• 6.3.1 Affine Dialect：多维数组优化
• 5.3.1 分析 Pass 与 转换 Pass 的依赖管理
• 5.3.2 Pass 管道的调度与优化顺序
• 第6章：多级中间表示与 MLIR (Multi-Level IR)
• 6.1 传统 IR 的局限：语义丢失问题
• 6.2 MLIR 的核心架构
• 6.2.1 方言 (Dialects)：领域的特定抽象
• 6.2.2 操作 (Operations)、区域 (Regions) 与 块 (Blocks)
• 5.2.3 可读的汇编文本 (.ll)
• 5.3 LLVM Pass 管理器机制
• 5.1 LLVM IR 的逻辑与物理结构
• 5.1.1 Module, Function, BasicBlock, Instructio...
• 5.1.2 强类型系统与类型擦除
• 5.1.3 内存模型：Load/Store 架构
• 5.2 LLVM IR 的三种形态
• 5.2.1 内存中的 C++ 对象
• 5.2.2 磁盘上的位码 (Bitcode)