以缺陷案例改善大模型的MPI错误检测与修复

消息传递接口MPI是高性能计算的基础技术，广泛用于大规模模拟与分布式训练，包括PyTorch和TensorFlow等框架。MPI程序包含复杂的进程交互、消息传递和同步机制，维护难度较高。虽然大模型可用于自动检测和修复错误，直接使用却效果不佳，主要因为模型缺少正确和错误用法的知识，尤其不了解MPI缺陷。本文设计以缺陷案例为参考的检测与修复技术，结合少样本学习、思维链和检索增强生成，提高识别与修复能力。与直接使用ChatGPT相比，错误检测准确率从44%升至77%；缺陷参考技术也可泛化到其他大模型。