并行科学代码翻译不再盲目重试：智能体按错误类型分派修复，18组模型与方向全部超过LASSI
核心概要
并行科学代码在CUDA、OpenMP与SYCL之间的翻译长期依赖固定顺序的流水线，所有错误都走同一种修复，且正确性只看编译与运行是否通过。一个由裁决驱动的编排器把翻译、编译诊断和执行验证拆成三个智能体，并按失败类型分派补丁、语义、同步或内存修复技能。在30个HeCBench内核、三个开源模型和六个翻译方向上，该流程在全部18个模型与方向组合中取得高于LASSI的验证正确率，同时最多少用52.4%的token。
深度剖析
并行科学代码翻译从一条固定顺序的流水线，改成由裁决驱动的编排器协调三个智能体：翻译、编译诊断和执行验证各管一段，失败不再一律重试。 此前的LLM翻译流程对所有错误采用同一种修复策略，不区分根因，因而产生不必要的模型调用。 在30个HeCBench内核、CUDA/OpenMP/SYCL六个方向、三个开源模型共18个组合上，该流程的验证正确率全部高于LASSI，每模型平均为78.6%至94.6%，LASSI为34.5%至65.5%。
每次失败先被归类成具体裁决，再交给对应的修复技能：编译错误走补丁或内存修复，运行崩溃走同步修复，输出不符走语义修复。 修复技能是动态加载的独立单元，新增一对源语言与目标语言只需替换技能实现和提示模板，不改动编排器与智能体代码。 token消耗随模型不同比LASSI低29.5%至52.4%，每方向在1018k至1115k之间；18个组合中只有两个比LASSI花得更多，且都换来最高60.0%的正确率提升。
启示与展望
演示范围限于HeCBench中选出的30个内核级基准，在CUDA、OpenMP与SYCL之间双向翻译，其中6个内核缺少OpenMP实现，因此以OpenMP为源的方向只有24个基准；编译上限300秒、执行上限120秒、修复循环最多9轮。作者提出下一步把框架扩展到多文件代码库与完整应用，并计划把性能反馈纳入修复循环。
循环内的编译与运行检查会高估两个系统的成功率，离线LLM校验把通过率压低8.3%至17.3%，共识别出117个假阳性，其中占位实现31例、数值错误28例、跳过验证25例。作者也指出修复收益在约五轮之后递减，且多轮后仍失败的属于系统性失败；离线校验器自身还可通过更细的评分细则和多校验器投票来加强。