摘要
本发明提出一种基于大语言模型的编译器后端生成增强方法和装置，包括：将编译器后端的目标描述文件转换为结构化的属性图，训练图神经网络，使其学习现有编译器后端间的相似性，并为每个现有编译器后端生成代表其结构特征的图嵌入向量；根据现有编译器后端的图嵌入向量和文本表示，对多模态模型进行训练，使其预测编译器后端函数之间的相似度；将新编译器后端的目标函数的文本表示与新编译器后端的图嵌入向量输入到训练完成的多模态模型，得到新编译器后端的目标函数与现有编译器后端函数之间的相似度得分；筛选出最相似的现有函数作为高质量示例；根据高质量示例和目标函数的规格说明，构建示例提示，大语言模型生成新编译器后端的目标函数代码。
