[Submitted on 26 Jul 2026]

View PDF HTML (experimental)

Abstract:AI 程式碼代理已迅速成為軟體工程中無所不在的工具。其序列效能，無論在準確度或速度方面，均已受到廣泛探討。然而，近期初步結果顯示，其平行程式設計能力落後於序列程式設計能力。本文針對三種程式碼代理——Cursor 的 Composer 2.0、GPT 5.4 與 Claude Sonnet 4.6——在三類演算法（排序、圖遍歷與搜尋）以及三種語言（C++、Python 與 Julia）中，進行平行程式碼生成的跨語言評估。對於每一組演算法與語言的組合，我們提示程式碼代理從序列基準產生平行實作，追蹤達到功能正確性與效能提升所需的提示努力，並針對自訂序列基準及第三方函式庫實作測量加速比。我們發現，程式碼代理能以適度的提示努力產生正確的平行實作，但能否達成有意義的加速比高度取決於演算法與語言。Sonnet 4.6 整體上帶來最強的效能提升，而 GPT 5.4 儘管在正確性上表現一致，卻未產生可測量的加速比。C++ 在圖演算法上最能穩定地進行平行化，而 Python 與 Julia 在搜尋演算法上達成最大的加速比：沒有單一語言在所有類別中皆居優勢。Python 與 Julia 在部分圖演算法上達成加速比，但在其他演算法上則出現效能退化。這些發現凸顯了將執行時期效能效率納入 LLM 效能指標的重要性，除了準確度之外，尤其是在平行實作方面。

Submission history

From: Shiqi Cheng [view email]
[v1] Sun, 26 Jul 2026 19:31:17 UTC (21 KB)