笔记本上的7B模型也能写内核迁移规则:Qwen2.5-Coder解出35.3处驱动转换,精度反超Spinfer
Linux内核API变更后,驱动转换往往要手工做上数月,而先前的转换本身就是可复用的示例。研究者把引导式代码生成用于这一任务:按变更变体把示例拆成树,让本地小模型逐条写Coccinelle语义补丁规则,用示例应用反馈、确定性修复和编译检查把关。在7个新API晚于三个模型训练截止的迁移上,Qwen2.5-Coder 7B平均解出35.3处转换(三个种子范围32–41),直接提示时仅1.0;Spinfer解出41,前沿LLM智能体解出66,但该本地模型的规则精度最高,为0.74。