arXiv cs.AI· Zhiqiang Yuan, Chong Wang, Zhenhao Zhou, Junwei Liu, Xin Peng·· 11 小时前AI 评分39
C 到 Rust 转译为何性能下降？研究揭示九类问题并用 LLM 优化规则恢复性能
Where Does the Performance Go? Understanding and Recovering Performance Regressions in C-to-Rust Translation
AI 导读
研究在 20 个真实 C 项目及其 C-to-Rust 转译版本上发现，用于分析的 8 个项目中 19 项操作有 12 项转译后 Rust 比原 C 慢 3% 以上，最高慢 62.2%，并归因于九类反复出现的性能问题。作者提出基于 LLM 的工具，将这些问题编码为可复用优化规则，在 12 个留出项目的 41 项操作上全部保持 C 输出一致，其中 40 项快于转译版本、18 项快于原 C。
正文 · AI 翻译
摘要：Rust 正日益被采用为 C 的内存安全继任者，诸如 \crust{} 之类的转译器能够迁移整个 C 项目并保持其行为不变。然而，保持行为不变并不保证保持性能不变。我们在 20 个真实世界的 C 项目及其 \crust{} 翻译版本上研究了这一差距。在用于分析的八个项目中，翻译后的 Rust 在 19 项操作中有 12 项比原始 C 慢 3\% 以上，最多慢 62.2\%。通过比较每一对 C--Rust 的执行开销剖析、优化后的 LLVM IR 以及编译器优化备注，我们将这些性能下降追溯到九个反复出现的性能问题，涵盖残余运行时开销、错失的编译器优化以及 C 风格的源码模式，并为每个问题推导出优化方向。随后我们提出 \ourtool{}，一种基于 LLM 的方法，将这些性能问题编码为可复用的优化规则，以恢复翻译后 Rust 的性能。\ourtool{} 对每个项目进行剖析以定位热点函数，并将其与规则特定的模式进行匹配。随后 LLM 在重写前会结合项目上下文检查每条规则的重写前置条件，且仅当重写同时通过功能验证和性能验证时才会被保留。在来自十二个留出项目的 41 项操作上，\ourtool{} 在所有测试工作负载上均保持了 C 的输出，并在 40 项操作上相比 \crust{} 翻译版本实现了加速，其中 18 项最终比原始 C 更快。在两者均保持 C 输出的 37 项操作中，它在 31 项上优于通用编码智能体 \codex{}，并在 41 项操作中的 34 项上优于其自身无规则引导的变体。
| 主题： | 人工智能（cs.AI）；编程语言（cs.PL） |
| 引用为： | arXiv:2610.23044 [cs.AI] |
| （或此版本的 arXiv:2610.23044v1 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2610.23044 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Zhiqiang Yuan [查看邮箱]
[v1]
2026年10月16日星期五 07:22:54 UTC（560 KB）
来源：arXiv cs.AI · arxiv.org