研究使用适应性采样算法与强化学习进行代码优化，提出了一种名为“Chameleon”的解决方案，利用该方案可以大幅缩短优化时间，提高现代深度网络的推理速度。

Jan, 2020

本文提出了一种使用神经序列到序列模型来学习超级优化现实世界程序的框架，并介绍了一种易于实现的方法（SILO）来增强优化，该方法在测试集上优化了 5.9％，超过了标准策略梯度方法和模型预训练的优化演示。

Sep, 2021

CodeRL使用预训练的语言模型和深度强化学习框架解决了程序合成中标准的有监督微调的一些局限，同时在APPs和MBPP基准测试中创造了新的SOTA结果。

Jul, 2022

本文提出了MLGOPerf框架，该框架可利用LLVM的ML-Inliner来优化性能，并通过副模型生成用于训练强化学习主模型的奖励，实现快速训练的流程。实验结果表明，相对于LLVM的优化，该方法在SPEC CPU2006和Cbench基准测试中可以实现高达1.8%和2.2%的性能提升。

Jul, 2022

利用深度强化学习算法的 PPOCoder 框架，将预训练编程语言模型与外部执行反馈相结合，用于自动化代码生成任务，并在多项实验中展示了其在编译成功率和语法正确性方面的显著效果。

Jan, 2023

通过使用序列到序列模型，本文介绍了一种名为Supersonic的神经方法，该方法针对源代码进行微小的修改以实现优化，实验证明Supersonic在代码优化任务中表现优于OpenAI的GPT-3.5-Turbo和GPT-4，并且与GPT-3.5-Turbo相比改动幅度减少了超过600倍，与GPT-4相比改动幅度减少了超过3700倍。

Sep, 2023

程序合成通过从自然语言描述中创建准确的可执行代码。本文研究了基于增强学习和预训练语言模型的价值方法在程序合成中的应用，并展示了其在性能上达到了最新水平。

Oct, 2023

提出了一种建立在大型语言模型和强化学习基础上的框架，用于减少代码优化的复杂性并提供更高的效率和可靠性。

Dec, 2023

使用大型语言模型（LLMs）进行代码生成的研究，引入了一个新的强化学习框架StepCoder，通过将代码生成任务拆分为完成代码片段的课程，以及屏蔽未执行代码段进行模型优化，成功解决了复杂人类需求下RL探索和模型优化的挑战，并通过构建APPs+数据集进行了实验验证。

Feb, 2024

本研究解决了自动代码优化中繁琐复杂的问题，提出了首个针对MLIR编译器的强化学习环境，通过多动作强化学习实现更有效的代码优化。实验结果表明，这一新环境在多个案例中不仅与TensorFlow性能相当，甚至超越了其效果，展现了基于强化学习的优化在编译器框架中的潜在影响。

Sep, 2024