一种大模型赋能的深度学习编译器缺陷检测方法

本发明公开了一种大模型赋能的深度学习编译器缺陷检测方法，包括步骤如下：(1)使用自动化程序生成工具生成种子模型；(2)设计多样化变异算子，使用大模型对种子模型进行变异，构造包含丰富计算图结构的能够触发潜在缺陷的深度学习模型；(3)设计深度学习模型选择算法，将深度学习模型进行特征空间表示并聚类，优先选择聚类中心的深度学习模型，并综合考虑簇中候选个体与所有聚类中心以及已选择的个体之间的平均距离，优先选择平均距离远的个体模型，直至达到预期值；(4)将筛选后的深度学习模型输入到TVM进行高层优化和差分测试。采用本发明设计的大模型赋能的变异策略可以检测深度学习编译器发生在高层优化阶段的缺陷，保证其质量。