Google 用 AI agent 集群修复 TPU 编译器，已解决 142 个 bug
omarsar0 · x · 2026-11-03
Google 发布论文《XLA from the Trenches: Correctness on TPU Workloads at Scale》，介绍用 AI agent 集群自动查找并修复 XLA-TPU 编译器的 bug，已推动修复超过 142 个编译器缺陷，另有 103 项发现在审核中。
核心问题：最危险的是"静默误编译"——编译器不报错，但数值漂移或缓冲区损坏，可能毁掉数百万美元的大规模训练或降低线上推理质量。
方法论：
- 对合成图和真实生产计算图同时做 fuzzing
- 与现有 autotuner 并行运行正确性检查
- 层级化二分定位管线，把整个 workload 的故障缩小到 fused kernel 内的单个操作
- agent 负责生成压力测试、复现故障并撰写修复
经验教训：团队刻意引导 agent 避开容易的崩溃类 bug，专注静默数据损坏；同时发现人工 review 成本的增长速度快于 fuzzing 复杂度的增长， reviewer 带宽成为瓶颈。
所属事件:Google 用 AI agent 集群修复 TPU 编译器 142 个 bug(2 条相关)→
「Infra」频道最新
- CrowdGPT 仿 Folding@home 思路，想用分布式 GPU 挖开源模型训练 — Nota_ReAlperson · 2026-11-03
- 东京飞夏威夷航班星链 Wi-Fi 实测:看广告免费,1080P 无卡顿 — AlchainHust · 2026-11-03
- llama.cpp 新后端 Strata 实测：解码速度从 80 提到 150 tok/s — lblblllb · 2026-11-03
- 640 美元攒出 40 核 1TB 内存家庭服务器，能跑 63 个并发虚拟机 — haydendevs · 2026-11-03
- 本地部署党求问:Mac Studio 之外还有 400GB/s+ 带宽的统一内存小机器吗? — AcreMakeover · 2026-11-03
- Nvidia 要求云客户至少 51% 算力服务非中国企业 — rohanpaul_ai · 2026-11-03