論文の概要: ArchAgent: Agentic AI-driven Computer Architecture Discovery

• arxiv url: http://arxiv.org/abs/2602.22425v1
• Date: Wed, 25 Feb 2026 21:36:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-27 18:41:22.414524
• Title: ArchAgent: Agentic AI-driven Computer Architecture Discovery
• Title（参考訳）: ArchAgent: エージェントAI駆動型コンピュータアーキテクチャディスカバリ
• Authors: Raghav Gupta, Akanksha Jain, Abraham Gonzalez, Alexander Novikov, Po-Sen Huang, Matej Balog, Marvin Eisenberger, Sergey Shirobokov, Ngân Vũ, Martin Dixon, Borivoje Nikolić, Parthasarathy Ranganathan, Sagar Karandikar,
• Abstract要約: ArchAgentはAlphaEvolve上に開発されたコンピュータアーキテクチャの自動発見システムである。 本稿では,ArchAgentのキャッシュ置換ポリシーを自動設計・実装する機能を示す。 またエージェントAIの時代におけるコンピュータアーキテクチャ研究への幅広い影響についても概説する。
• 参考スコア（独自算出の注目度）: 37.90375160345664
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Agile hardware design flows are a critically needed force multiplier to meet the exploding demand for compute. Recently, agentic generative AI systems have demonstrated significant advances in algorithm design, improving code efficiency, and enabling discovery across scientific domains. Bridging these worlds, we present ArchAgent, an automated computer architecture discovery system built on AlphaEvolve. We show ArchAgent's ability to automatically design/implement state-of-the-art (SoTA) cache replacement policies (architecting new mechanisms/logic, not only changing parameters), broadly within the confines of an established cache replacement policy design competition. In two days without human intervention, ArchAgent generated a policy achieving a 5.3% IPC speedup improvement over the prior SoTA on public multi-core Google Workload Traces. On the heavily-explored single-core SPEC06 workloads, it generated a policy in just 18 days showing a 0.9% IPC speedup improvement over the existing SoTA (a similar "winning margin" as reported by the existing SoTA). ArchAgent achieved these gains 3-5x faster than prior human-developed SoTA policies. Agentic flows also enable "post-silicon hyperspecialization" where agents tune runtime-configurable parameters exposed in hardware policies to further align the policies with a specific workload (mix). Exploiting this, we demonstrate a 2.4% IPC speedup improvement over prior SoTA on SPEC06 workloads. Finally, we outline broader implications for computer architecture research in the era of agentic AI. For example, we demonstrate the phenomenon of "simulator escapes", where the agentic AI flow discovered and exploited a loophole in a popular microarchitectural simulator - a consequence of the fact that these research tools were designed for a (now past) world where they were exclusively operated by humans acting in good-faith.
• Abstract（参考訳）: アジャイルのハードウェア設計フローは、計算の爆発的な需要を満たすために、非常に必要な力の乗算器です。 近年,エージェント生成AIシステムは,アルゴリズム設計の大幅な進歩,コード効率の向上,科学領域横断での発見の実現を実現している。 これらの世界を埋めて、AlphaEvolve上に構築された自動コンピュータアーキテクチャ発見システムArchAgentを紹介する。 我々は、ArchAgentのキャッシュ置換ポリシーを自動設計/実装する能力(新しいメカニズムや論理を設計するだけでなく、パラメータを変更するだけでなく)を、確立されたキャッシュ置換ポリシー設計コンペティションの範囲内で広く示す。 人間の介入なしに2日間でArchAgentは、公開マルチコアのGoogle Workload Traces上で、以前のSoTAよりも5.3%のIPCスピードアップ改善を実現したポリシーを作成した。 探索されたシングルコアのSPEC06ワークロードでは、既存のSoTAよりも0.9%のIPCスピードアップが改善された(既存のSoTAが報告したように、同様の"勝利率")。 ArchAgentは、従来の人間が開発していたSoTAポリシーの3.5倍の速さで達成した。 エージェントフローは"ポストシリコンハイパースペシャライゼーション(post-silicon hyperspecialization)"を可能にし、エージェントがハードウェアポリシーで公開されているランタイム設定可能なパラメータをチューニングして、ポリシーを特定のワークロード(mix)と整合させる。 これを実行すると、SPEC06ワークロード上で、以前のSoTAよりも2.4%のIPCスピードアップの改善が示される。 最後に,エージェントAIの時代におけるコンピュータアーキテクチャ研究への広範な影響について概説する。 例えば、エージェントAIフローが一般的なマイクロアーキテクチャーシミュレーターの抜け穴を発見し、利用した"シミュレーターエスケープ"という現象を実証する。

関連論文リスト

• AI IDEs or Autonomous Agents? Measuring the Impact of Coding Agents on Software Development [12.50615284537175]
  大規模言語モデル(LLM)ベースのコーディングエージェントは、プルリクエストの生成とマージを行う自律的なコントリビュータとして機能するようになっている。 本稿では,オープンソースリポジトリにおけるエージェント導入の経時的因果関係について検討する。
  論文  参考訳（メタデータ） (2026-01-20T04:51:56Z)
• ArchPilot: A Proxy-Guided Multi-Agent Approach for Machine Learning Engineering [18.83090180326138]
  ArchPilotは、アーキテクチャ生成、プロキシベースの評価、適応検索を統一されたフレームワークに統合するマルチエージェントシステムである。 コストのかかるフルトレーニングの実行に最小限依存した、強力な候補を優先し、限られた予算下で効率的なMLエンジニアリングを促進する。
  論文  参考訳（メタデータ） (2025-11-06T02:14:59Z)
• A CPU-Centric Perspective on Agentic AI [8.417523196411574]
  Agentic AIフレームワークは、Web検索、Pythonインタプリタ、コンテキストデータベースなど、外部ツールに埋め込まれた意思決定オーケストレータを追加する。 本稿では,エージェントAIワークロードが導入するシステムのボトルネックをCPU中心の観点から特徴づけ,理解することを目的とする。
  論文  参考訳（メタデータ） (2025-11-01T23:46:44Z)
• $Agent^2$: An Agent-Generates-Agent Framework for Reinforcement Learning Automation [5.325886106098561]
  強化学習(RL)エージェント開発は伝統的にかなりの専門知識と反復的な努力を必要とする。 本稿では,完全自動RLエージェント設計のための LLM 駆動型エージェント生成エージェントフレームワークである Agent$2$ を紹介する。 Agent$2$は、自然言語のタスク記述と環境コードを人間の介入なしに実行可能なRLソリューションに変換する。
  論文  参考訳（メタデータ） (2025-09-16T02:14:39Z)
• Cognitive Kernel-Pro: A Framework for Deep Research Agents and Agent Foundation Models Training [67.895981259683]
  汎用AIエージェントは、次世代人工知能の基礎となるフレームワークとして、ますます認識されている。 現在のエージェントシステムはクローズドソースか、さまざまな有料APIやプロプライエタリなツールに大きく依存している。 我々は,完全オープンソースかつ(最大限に)フリーなマルチモジュールエージェントフレームワークであるCognitive Kernel-Proを提案する。
  論文  参考訳（メタデータ） (2025-08-01T08:11:31Z)
• R&D-Agent: An LLM-Agent Framework Towards Autonomous Data Science [70.1638335489284]
  高レベルの機械学習エンジニアリングタスクは、労働集約的で反復的である。 機械学習プロセスを形式化する包括的で分離されたフレームワークであるR&D-Agentを紹介します。 R&D-AgentはMLEを2つのフェーズと6つのコンポーネントに定義し、MLEのエージェント設計を原則としてテスト可能なプロセスに変える。
  論文  参考訳（メタデータ） (2025-05-20T06:07:00Z)
• Agent S2: A Compositional Generalist-Specialist Framework for Computer Use Agents [30.253353551910404]
  コンピュータ利用エージェントは、コンピュータやモバイルデバイスのグラフィカルユーザインタフェース(GUI)と直接対話することで、デジタルタスクを自動化する。 本稿では,様々なジェネラリストおよびスペシャリストモデルにまたがって認知的責任を委譲する新しい構成フレームワークであるAgens S2を紹介する。 Agent S2は、3つの著名なコンピュータ使用ベンチマーク上でのSOTA(State-of-the-art)のパフォーマンスを確立する。
  論文  参考訳（メタデータ） (2025-04-01T15:40:27Z)
• PC-Agent: A Hierarchical Multi-Agent Collaboration Framework for Complex Task Automation on PC [98.82146219495792]
  本稿では,PC-Agentという階層型エージェントフレームワークを提案する。 認識の観点からは,現在のMLLMのスクリーンショットコンテンツに対する認識能力の不十分さを克服するために,アクティブ知覚モジュール(APM)を考案する。 意思決定の観点から、複雑なユーザ命令や相互依存サブタスクをより効果的に扱うために、階層的なマルチエージェント協調アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-02-20T05:41:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。