Update README.md
性能和小型化是软件和产品竞争力的关键方面，编译器在提升软件性能和软件小型化发挥着重要作用，然而当下编译器的编译优化，例如inline、代码块重排、寄存器分配、矢量化和指令调度等优化手段，其算法都可以归纳为NP问题的求解。传统编译器在考虑编译效率的前提下，采用启发式算法求解NP问题，其结果导致程序的性能和代码体积无法极致优化。 目前业界也积极探索将AI引入编译器中指导编译器更好地解决NP问题的求解。参赛选手可以参考业界或自开发机器学习算法，探索AI指导编译器优化。
本赛题分为如下可选任务： 1）调研业界AI for Compiler进展。 2）针对业界已有AI for Compiler算法实现，在知名benchmark，如CPUbench、LLVM test suite，上验证并给出效果分析。 3）提出新的AI for Compielr机制或方法。 4）实现自开发算法，并给出效果分析。 开发环境：代码仓为https://gitee.com/openeuler/llvm-project 仓dev_17.0.6分支，OS版本为openEuler 22.03 LTS SP3。 数据集：可以使用社区开源数据：https://discourse.llvm.org/t/rfc-incubator-project-for-llvm-ir-dataset-utils/74940；也可以自己构建数据
zhuyuncheng@huawei.com; zhaochuanfeng@huawei.com
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
AI for Compiler优化挑战
作品完成和提交方式：选择本赛题的参赛队伍需要首先复刻（Fork）本项目，然后在复刻的项目中添加参赛队员、合作完成作品开发即可，无需提交PR到赛题项目。如果作品为文档形式，也请将作品文档提交到项目代码库中。在作品完成过程中，围绕作品的相关讨论等可以以疑修（Issue）形式发布和讨论，也可使用里程碑对整个任务进行规划管理。
1.赛题说明
性能和小型化是软件和产品竞争力的关键方面，编译器在提升软件性能和软件小型化发挥着重要作用，然而当下编译器的编译优化，例如inline、代码块重排、寄存器分配、矢量化和指令调度等优化手段，其算法都可以归纳为NP问题的求解。传统编译器在考虑编译效率的前提下，采用启发式算法求解NP问题，其结果导致程序的性能和代码体积无法极致优化。 目前业界也积极探索将AI引入编译器中指导编译器更好地解决NP问题的求解。参赛选手可以参考业界或自开发机器学习算法，探索AI指导编译器优化。
2. 赛题要求
本赛题分为如下可选任务： 1）调研业界AI for Compiler进展。 2）针对业界已有AI for Compiler算法实现，在知名benchmark，如CPUbench、LLVM test suite，上验证并给出效果分析。 3）提出新的AI for Compielr机制或方法。 4）实现自开发算法，并给出效果分析。 开发环境：代码仓为https://gitee.com/openeuler/llvm-project 仓dev_17.0.6分支，OS版本为openEuler 22.03 LTS SP3。 数据集：可以使用社区开源数据：https://discourse.llvm.org/t/rfc-incubator-project-for-llvm-ir-dataset-utils/74940；也可以自己构建数据
3. 赛题导师
zhuyuncheng@huawei.com; zhaochuanfeng@huawei.com