Magellan：用AlphaEvolve自主发现新型编译器优化启发式

现代编译器依赖手工设计的启发式来指导优化pass。这些人工设计的规则往往难以适应现代软硬件的复杂性，并带来高昂的维护负担。为应对这一挑战，我们提出Magellan，一个通过合成可执行C++决策逻辑来进化编译器pass本身的Agentic框架。Magellan将LLM编码智能体与进化搜索和自动调优耦合在生成、在用户提供的宏基准上评估和精化的闭环中，产出可直接集成到现有编译器的紧凑启发式。在多个生产级优化任务上，Magellan发现了匹敌或超越专家基线的策略。在LLVM函数内联中，Magellan合成的启发式在二进制体积缩减和端到端性能上都超越了数十年的手工工程。在寄存器分配中，它学到一个用于活跃范围处理的简洁优先级规则，在大规模工作负载上与复杂的人工设计策略相当。我们还报告了XLA问题上的初步结果，展示了以更低工程成本向LLVM之外的移植。