PERFOGRAPH：用于性能优化与程序分析的数值感知程序图表示

基于摘要分析。本文研究面向机器学习的程序表示，提出图表示 PERFOGRAPH，以补充既有表示对数值信息、聚合数据结构及变量表达的不足；主要贡献是通过新增节点与边以及调整嵌入方法，使程序表示包含更丰富的依赖关系和语义信息。 机制上，PERFOGRAPH 用新增图节点与边表达数值及聚合数据结构信息，并采用适配的嵌入方法引入数值感知。其原始研究对象是程序分析与性能优化，而非 EEG 信号或 BCI 解码。摘要未说明具体节点与边类型、数值编码方式、下游模型、损失函数及训练流程，这些实现细节尚未验证。 作者报告，在 Device Mapping 任务的 AMD dataset 和 NVIDIA dataset 上，相较既有表示，错误率分别降低 7.4% 和 10%，并声称达到新的最优结果。摘要未明确上述降幅是相对变化还是百分点变化，也未给出绝对错误率、具体对照基线与数据划分，因此不能据此进行跨协议比较。作者还报告在 Parallelism Discovery、NUMA 配置预测及预取器配置预测任务上取得新的最优结果，但摘要未提供对应指标和数值。 复现时需核对程序到图的构建规则、嵌入实现、任务监督信息、数据划分、比较基线，以及数值感知与聚合结构表达各自的贡献；实验协议、消融及统计信息尚未验证。材料未建立该程序图机制与 EEG/BCI 瓶颈之间的具体对应关系，因此不提出直接迁移结论；相关 EEG 工作尚未检索确认。