ICLR 2026 浙大：利用LLM实现代码的高级性能优化

这份研究探讨了如何利用大语言模型（LLMs）实现代码的高级性能优化，特别是在减少运行时间方面。作者指出，传统的“用户导向”方法受限于单一编程者的思维模式，因此提出了一种全新的“问题导向”视角，通过整合同一问题的多种高质量解法来打破认知局限。为了解决优化过程中常见的正确性损失（即“优化税”），研究进一步引入了锚点验证框架，利用原始但正确的“慢代码”作为标准来生成并校验测试用例。实验结果表明，这种方法显著提升了代码的优化比例、加速比以及功能正确性。该框架不仅在 C++ 上表现卓越，在 Python 等多种编程语言中也展现出强大的通用性与实用价值。