文章主要内容总结本文提出了SimdBench，这是首个专门用于评估大型语言模型（LLMs）生成SIMD intrinsic代码能力的基准测试。SIMD（单指令多数据）指令通过并行处理多个数据项加速性能关键任务，而SIMD intrinsic是编译器提供的内置函数，允许程序员在高级语言中显式调用SIMD指令，平衡编码效率与高性能。现有代码生成基准主要关注标量代码，缺乏对SIMD intrinsic代码的评估。为此，作者构建了包含136个任务的SimdBench，覆盖x86、ARM、RISC-V架构的5种代表性SIMD intrinsic（SSE、AVX、Neon、SVE、RVV）。通过对18个主流LLM的系统评估（正确性与性能），发现：LLMs生成SIMD intrinsic代码的pass@k普遍低于标量代码，其中DeepSeek-R1表现最佳（平均pass@5为75.44%）；有效的SIMD intrinsic代码在多数情况下比带编译器优化的标量代码性能更优；主要错误包括“未声明标识符”的编译错误（主要针对SVE和RVV）和逻辑错误（主要针对SSE、AVX和Neon）。创新点首个SIMD intrinsic代码生成基准：SimdBench是首个专门针对SIMD intrinsic代码生成的基准测试，包含136个高质量任务，覆盖多架构的主流SIMD intrinsic。系统评估LLM能力：首次对18个代表性L