في عالم تطوير البرمجيات الحديث، تعتبر عملية تحسين أداء الشيفرة البرمجية أمرًا بالغ الأهمية، حيث تساهم في تسريع أوقات الاستجابة وتقليل استهلاك الموارد. لكن، يواجه المطورون المتخصصون تحديات كبيرة تتعلق بفهم تفاصيل العتاد والعمليات المتوازية. ومع ظهور النماذج اللغوية الضخمة (Large Language Models)، تزايد الاهتمام بإدماج هذه النماذج في عمليات تحسين الشيفرة البرمجية بشكل تلقائي.

تتطلب عمليات التحسين التقليدية تحويل الشيفرة المصدرية إلى تمثيل خاص بمجال معين يمكن ضبطه أوتوماتيكياً باستخدام أدوات مثل البحث الشبكي أو خوارزميات التعلم الآلي، وذلك مع الالتزام بقواعد صارمة وتحولات محدودة لضمان قابلية التحقق.

تقدم النماذج اللغوية الضخمة فهماً عميقاً لمعاني الشيفرة، مما يمكنها من تنفيذ تحولات تتجاوز نطاق التحسينات المؤتمتة القابلة للتحقق. واستنادًا إلى دراسة حديثة استعرضت استخدام هذه النماذج في تحسين التطبيقات المتوازية عالية الأداء، تم تقييم الأداء باستخدام مجموعة الاختبارات PolyBench.

أظهرت النتائج أن النماذج اللغوية، عند إعطائها أهداف تحسين محددة، تمكنت من تحقيق معدلات أداء وموثوقية أفضل عند إنتاج شيفرات بلغة C بالمقارنة مع إنشاء خطوط حسابية وجداول تحسين باستخدام الإطارات المعروفة. هذه الش findings تشير إلى أن المستقبل قد يتطلب استكشاف أساليب بديلة لتحسين الشيفرة المؤتمتة المدعومة بالنماذج اللغوية الضخمة.