타일 기반 프로그래밍 프레임워크 (Tile-based programming frameworks)는 딥러닝 (deep learning) 및 과학 계산 (scientific computing)과 같은 분야에서 고성능 GPU 커널 (GPU kernels)을 작성하기 위해 점점 더 많이 채택되고 있습니다. 이러한 프레임워크는 생산성과 하드웨어 활용도를 높여주지만, 다단계 컴파일 파이프라인 (multi-stage compilation pipelines)은 입력 형상 (input shapes), 데이터 타입 (data types), 그리고 백엔드 타겟 (backend targets)과 밀접하게 결합된 독특한 코드 생성 (code generation) 버그를 유발합니다. 이러한 버그는 종종 무음의 정확성 (silent correctness) 문제나 성능 문제로 나타나기 때문에, 기존의 컴파일러 테스트 도구 (compiler testing tools)를 사용하여 탐지하기 어렵습니다. 또한, 타일 도메인 특화 언어 (tile domain-specific languages)의 독특한 프로그래밍 관례는 근본 원인 (root cause) 파악을 복잡하게 만들며, 이러한 버그를 수정하려면 타일 추상화 (tile abstractions) 및 컴파일 파이프라인 (compilation pipelines)에 대한 전문 지식이 요구됩니다. 타일 기반 시스템의 채택이 증가하고 있음에도 불구하고, 이들의 코드 생성 버그는 여전히 거의 탐구되지 않은 상태로 남아 있습니다. 본 논문은 타일 프로그램 코드 생성 버그에 대한 최초의 체계적인 연구를 제시합니다. 우리는 GitHub에서 401개의 버그 리포트 (bug reports)를 수집하였으며, 분석을 위해 301개의 타일 프로그램 코드 생성 (codegen) 버그를 식별하여 근본 원인 (root causes), 증상 (symptoms), 입력 패턴 (input patterns), 이러한 버그를 유발하는 테스트 오라클 (test oracles), 그리고 버그 수정에 사용된 전략 (strategies)을 분류하였습니다. 우리의 연구는 타일 기반 컴파일러 인프라 (tile-based compiler infrastructures)에 맞춤화된 디버깅 (debugging), 테스트 (testing), 그리고 수리 (repair) 도구를 구축하기 위한 기초적인 통찰력을 제공합니다.