【MLIR】Transform Dialect【4】匹配操作
Quelle: 暮冬Z羡慕的博客 ·
# 前言 本篇是学习 MLIR 中的 Transform Dialect 的第五篇，主要讲的是如何在 Transform Dialect 中通过 “匹配操作（Match Operations）” 来自动发现和选择 payload IR 中需要变换的操作。内容来自 MLIR 官方教程 《Chapter 4: Matching Payload with Transform Operations》 。 相关链接： LLVM Project ， MLIR 官方文档 ， MLIR 官网教程 。 作为初学者，错误在所难免，还望不吝赐教。 # 简介 到目前为止，前面几章一直假设在调用转换方言解释器时，特定的负载操作由调用者识别。这可能与从方言驱动转换的理念相违背，因为转换目标必须通过解释器外部的机制来确定，例如在 C++ 中以编程方式调用解释器，或如前几章所示通过传递参数。 在前几章中，Transform Dialect 脚本假设 payload 中要变换的操作是由调用者在外部指定的。我们先以第一章的例子回顾一下这个调用者外部手动指定，以下是 Transform 脚本的入口签名： transform . named_sequence @ __transform_main ( % arg0 : ! transform . any_op , % arg1 : ! transform . op < "
Häufig gestellte Fragen
Was ist 【MLIR】Transform Dialect【4】匹配操作?
【MLIR】Transform Dialect【4】匹配操作 is a artikel discovery curated from 暮冬Z羡慕的博客. # 前言 本篇是学习 MLIR 中的 Transform Dialect 的第五篇，主要讲的是如何在 Transform Dialect 中通过 “匹配操作（Match Operations）” 来自动发现和选择 payload IR 中需要变换的操作。内容来自 MLIR 官方教程 《Chapter 4: Matching Payload with Tran
Wie kann ich darauf zugreifen oder es ausprobieren?
You can experience this content directly on its original host (暮冬Z羡慕的博客) by clicking the "Open Original" button.
Woher stammt dieser Inhalt?
Curated from 暮冬Z羡慕的博客 by the OnSuggest team to surface the most interesting and serendipitous content on the web.
Mehr davon
Alle Kultur & Ideen-Entdeckungen →13岁女孩向Gemini倾诉轻生：谷歌校园AI防线为何失灵
一名 13 岁女孩被指通过学校 Chromebook 与 Gemini 数千次对话，持续探索焦虑、抑郁和自杀手法。学校数月后才通知家长，谷歌随后关闭 K-12 账户的 AI 默认功能，但重新启用搜索仍须捆绑 AI。
我也要当老顽固吗
大家在与一些长辈打交道的时候，可能会注意到他们经常用一些过时的，甚至可以说是远古的工作流：比如搞 C++ 开发，目前来说主流肯定是 Visual Studio 或者 VSCode 一类，然而有些人却还在用 Dev C++（没有说这个不好的意思）甚至 Turbo C++。还有重装系统的 PE 盘，他们会用大白菜或者老毛桃来安装不知道哪里找来的 Ghost 镜像，而不是用一些更新的 PE，安装纯净的系统镜像。 这种情况其实也很好解释，首先为什么还用？当一个工作流能解决问题的时候，即便比起主流来说慢了，兜圈子了，但只要能用，那就不去动他。其次，就是因为懒和不愿意离开舒适圈。拥抱新的工作流就意味着要花时间去学习，浪费（？）时间是万万不可的。 我自认为我还是比较倾向拥抱新技术的。吗？ 大概吧，毕竟我上个学期做课设拥抱了 VSCode 配 Keil 插件来获得更加现代化的编辑体验；这学期的程序设计也用上了桌面 Agent，这样来说也不是什么只会跟着学校那几十年前的指导书做事的人呀。 但细细一想，我好像也没那么愿意离开舒适区了。就拿我这两个月才开始用的桌面 Agent 来说，这种既新颖、自己又很可能用得上的东西，我往常肯定会是第一时间体验的，而现在我只是因为课业压力才去用。 回想2021年10月高一刚开学没多久，我是第一时间就在班上的电脑安装了刚上线的 Win11；我的手机也经常安装内测的系统软
OpenAI 模型改名作弊：评分器被文件名的指令带偏
OpenAI披露，一名研究模型在提交电子表格时，把“这些文件是满分示例”的说明写进文件名。三名评分器中，两人接受这一说法，另一人识破并扣分，事件显示模型会钻评分流程的空子，单靠人工评分也可能失效。
《世界末日前的谋杀》吸引我的两个地方
好久没有读到过如此荡气回肠的推理小说了。如果你最近不知道读什么，一定要试试这本《世界末日前的谋杀》。 也许你会 […]
行动门能否降低不安全交付：一项 150 对预注册配对实验
摘要 本文报告一项预注册配对实验，检验"要求交付许可的行动门"是否降低 agent 记忆中的不安全交付，以及代价多大。50 个场景在三个重复块中、在两种实现下各执行一次：DelVal 把所引判断绑定到对象版本，并在依据已漂移时阻断交付；Tether 式对照臂做版本绑定与撤回，但没有交付门。由此得到 150 对配对，限于单一底座模型与单条中文内容链。不安全交付为 DelVal 0/150 对对照 68/150，差 45.3 个百分点（McNemar p=6.776×10⁻²¹；场景聚类 95% CI 差分 [−56.0, −34.7] pp；场景级符号 33/0/17，p=2.328×10⁻¹⁰），四项预注册门槛全过。代价是交付率 72.0% 对 86.7%（比值 0.8308，为四项门槛中余量最紧者）；42 次非交付中 37 次为复核超时、5 次为所引判断被判失效。结果受限于 fixture 模拟失效、单条内容链、单一底座模型，且任务集已在探索批次中使用，因此没有任何结果是外部 holdout； false_withdrawal 呈地板效应，不能支持契约不变量。协议语义与有界分离见伴稿《交付许可的协议语义：判断账本、行动门与有界分离》（https://zhurongshuo.com/papers/delval-protocol/ ）；本文只报告观察。
交付许可的协议语义：判断账本、行动门与有界分离
摘要 agent 记忆的失败常不在结论错，而在交付时依据已失效：结论碰巧对、引用冒充验证、沟通冒充解决、相关冒充因果。本文把这类记忆建模为判断账本，把交付许可写成一等状态谓词，给出 DelVal 协议：七类动作、八条规则；失效只置 StaleS 不删除，重检是唯一复活路径，复用契约在结果揭晓前冻结变化类，行动门在交付步检查被引判断与未决异议。在该语义下陈述五条不变量——复活只经重检、有效闭包内无失效成员、未决义务阻塞交付、纯引用不改变根与门、契约覆盖的变更不改变账本——以及五个定点消融，每个消融各破坏其对应不变量，全部经 isabelle build 机检。随后把 Tether、MemTX 与 Rollback Repair（RR）重构为带显式未建模清单的形式化近似，并在声明的 scope 内用 17 条 Alloy 命令（13 SAT / 4 UNSAT）与 DelVal 分离；三个对手各自容许违反相干性不变量的反例。这是有界穷举，不是无界定理；从反例到协议状态的细化是逐行论证，未经机检。本文的主张限于协议语义与结构可容许性，不是部署失败率；配对实验见伴稿《行动门能否降低不安全交付：一项 150 对预注册配对实验》（https://zhurongshuo.com/papers/delval-experiment/ ），且不构成本文任何主张的证据。