不重新生成，调试：用于修复未遂硬件操作员的特定领域代理

GPU 和 NPU 等硬件加速器的内核生成已成为 大语言模型 (LLM) 的试验场，最先进的系统通过将 LLM 与代理强化学习和进化搜索相结合的管道提高了正确性。此类管道生成、编译和执行大量候选内核，丢弃其中的大部分，并放弃将故障提炼为可重用知识的机会。许多被丢弃的候选者都是几乎未命中的运算符，它们可以编译并运行，但无法通过数值验证；每个都体现了真正的领域知识以及对 LLM 推理、交叉编译和硬件执行的不平凡的投资。我们主张进行范式转变：不是重新生成，而是调试。调试比从头开始生成受到的限制要大得多：搜索空间很小，反馈很密集。我们提出了一个特定领域的调试代理，它解决了自主修复中的三个核心挑战：通过检索模式和诊断仪器缓解知识稀缺，通过反作弊检测和全覆盖评估确保完整性，以及通过收敛防护和有界迭代控制成本。调试有两个互补的作用：它通过恢复重复再生无法产生的算子来扩展能力边界，并且降低每个可交付算子的成本。调试 Pass@1 实现了 66.7%，而重新生成平均 Pass@1 为 25.9%，重新生成 Pass@3 为 40.7%，而每次成功消耗的词元比三次试验再生少 92.8%。组件消融表明知识库推动恢复，而完整性门则拒绝工作流程本身接受的 12.5-33.3% 的成功。