在近期举办的第六届分支预测锦标赛（Championship Branch Prediction, CBP 2025）上，香山开源处理器团队满洋、勾凌睿同学提交的分支预测器设计荣获第三名的佳绩。本次比赛是该项顶级赛事时隔九年的再次举办，竞争尤为激烈。

分支预测锦标赛旨在解决现代处理器的预测瓶颈，推动算法创新，其历史成果如 TAGE、神经网络预测器等已被广泛应用于现代高性能处理器中。本届比赛采用了 ARM 提供的真实应用 trace 作为负载，并新增了寄存器值、load 指令地址等多源信息，对预测器设计提出了更高要求。

团队参赛作品题为《LVCP: A Load Value Correlated Predictor for TAGE-SC-L》。其核心创新在于，通过捕捉分支指令与先前 load 指令所载入数据值之间的相关性，来提升对“难预测分支”的预测准确率。这类分支通常具有数据依赖性，基于传统分支历史的预测器难以处理。

最终，在总计 192KB 的存储预算限制下，该预测器在官方测试集上取得了 MPKI（每千条指令误预测数）3.373 的好成绩，仅次于第一名（3.197）与第二名（3.363）。与同规格的 2016 年冠军预测器 TAGE-SC-L 相比，误预测率降低了 2.07%。

LVCP 在结构上包含三个关键组件，分别是：难预测分支表（Hard-to-Predict Branch Table）、Load 跟踪结构（Load Tracking Structure）和相关性表（Correlation Table）。难预测分支表用于识别哪些分支属于“难预测”类别。该表通过一个饱和计数器记录分支被 TAGE-SC-L 错误预测的次数，一旦计数器饱和，即认为该分支可能适合使用 LVCP 进行预测，并开始训练相关性表。

Load 跟踪结构由三部分组成：Load 标记表在译码阶段记录指令缓存行中 load 指令的位置；Load 跟踪队列跟踪最近由预测器预测的控制流中的 load 指令及已完成的 load 指令的值，供后续分支预测使用；远距离 Load 缓冲用于捕获超出队列长度的长距离 load-branch 依赖关系。

相关性表是 LVCP 的主要存储结构，以组相联的方式组织，通过分支 PC、load PC 和 load 值的组合哈希进行索引和匹配。每个表项包含方向、置信度计数器和“方向变化标记”，用于无效化过时或错误的相关性表项。

在预测时，LVCP 会并行查询 Load 跟踪队列和远距离 Load 缓冲，寻找与当前分支可能相关的 load 指令。对于每一个候选 load，使用分支 PC、load PC 和 load 值组合生成哈希，用于查询相关性表。LVCP 会优先选择置信度饱和的最近 load 所关联的预测结果。如果找到符合条件的预测，就会覆盖 TAGE-SC-L 的预测结果；否则仍沿用主预测器的输出。

预测时还会查询 Load 标记表，并将控制流中被标记的 load 指令在 load 跟踪队列中分配一项。这是为了接近精确地跟踪 load 和后续分支之间的距离。

在训练阶段，只有当分支被标记为难预测分支且整体预测错误时，才会考虑在相关性表中分配新条目。系统会寻找未被标记为 useful 的表项进行分配，必要时会通过概率性衰减机制腾出空间。每个表项都配有 useful 计数器，当 LVCP 纠正了主预测器的错误时，相应表项的 useful 计数器会增加。而如果某个表项提供的预测方向与真实方向不一致，则会被标记为“方向变化”，此后该表项将不再参与预测，避免持续的错误预测。

除了 LVCP 创新外，提交参加比赛的预测器还融合了多项近年来提出的预测技术优化。SC 中引入了每 PC 区间的历史（per-set history），改进的 IMLI（最内层循环迭代计数器）特征，包括将 IMLI 拆分为分支 IMLI 和跳转目标 IMLI，更好地捕捉非固定位置退出的循环的特征。同时，出于可实现性考虑，SC 中没有使用大的局部历史表。

在比赛限制的总计 192 KB 的存储预算下，LVC-TAGE-SC-L 在 105 条训练 trace 上实现了 3.372 的 MPKI，相比同存储大小的 2016 年分支预测锦标赛冠军 TAGE-SC-L 预测器降低了 2.07% 的误预测率，尤其在 fp、int 和 infra 类负载中效果明显。

LVCP 的提出，不仅为分支预测提供了新的上下文感知维度，也为未来在真实处理器中利用 load 值等多源信息进行动态预测提供了可行方向。此次成绩是团队在处理器微架构设计领域持续探索的一个缩影。

我们期待这些探索能为“香山”开源高性能处理器核生态的发展带来新的思路，也向所有参赛者和组织者致以敬意。未来，团队将继续深耕于此，为推动关键技术发展贡献一份力量。