論文の概要: Microflow: Microarchitectural Causal Observability for Deep Cross-Layer Analysis and Optimization
- arxiv url: http://arxiv.org/abs/2607.13184v1
- Date: Tue, 14 Jul 2026 18:36:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.565584
- Title: Microflow: Microarchitectural Causal Observability for Deep Cross-Layer Analysis and Optimization
- Title（参考訳）: マイクロフロー:深層解析と最適化のための微構造因果観測可能性
- Abstract要約: 本稿では,第1級解析対象への因果関係を高める可観測性フレームワークであるMicroflowを紹介する。
Microflowは、実行トレースをMicroflow Intermediate Representation (MFIR)に変換し、ソフトウェアセマンティクス、命令、マイクロアーキテクチャイベント、ハードウェアリソース間の依存関係を明示的にキャプチャする。
- 参考スコア（独自算出の注目度）: 6.343991956675757
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing architectural simulators expose aggregate metrics or raw traces, but fail to reveal complex interactions among microarchitectural events and their relationship to program execution. Consequently, architects observe performance symptoms but cannot systematically attribute them to root causes across abstraction layers. This paper introduces Microflow, an observability framework elevating causality to a first-class analytical object. Microflow transforms execution traces into the Microflow Intermediate Representation (MFIR), explicitly capturing dependencies across software semantics, instructions, microarchitectural events, and hardware resources. By unifying these elements, MFIR enables direct traversal from observed stalls to their underlying causes, paving the way for automated root-cause analysis. Microflow precisely attributes stalls, reveals unobservable phenomena, and enables exact critical-path decomposition through counterfactual analysis. These capabilities allow systematic reasoning about complex hardware-software interactions opaque to existing tools. Making causality queryable, Microflow provides a strong foundation for performance analysis and hardware-software co-design. We demonstrate it on two SPEC CPU 2017 benchmarks, uncovering bottlenecks invisible from aggregate symptoms: hidden misprediction costs in leela and cross-loop-iteration contention in mcf.
- Abstract（参考訳）: 既存のアーキテクチャシミュレータは、集約されたメトリクスや生のトレースを公開するが、マイクロアーキテクチャイベントとプログラム実行との関係の間の複雑な相互作用を明らかにすることができない。
その結果、アーキテクトはパフォーマンスの症状を観察するが、抽象層全体にわたる根本原因を体系的に原因とすることはできない。
本稿では,第1級解析対象への因果関係を高める可観測性フレームワークであるMicroflowを紹介する。
Microflowは、実行トレースをMicroflow Intermediate Representation (MFIR)に変換し、ソフトウェアセマンティクス、命令、マイクロアーキテクチャイベント、ハードウェアリソース間の依存関係を明示的にキャプチャする。
これらの要素を統一することにより、MFIRは観測されたストールから根本原因への直接の移動を可能にし、自動根本原因分析の道を開く。
マイクロフローはストールを正確に評価し、観測不可能な現象を明らかにし、反ファクト解析を通じて正確なクリティカルパス分解を可能にする。
これらの機能により、既存のツールに不透明な複雑なハードウェアとソフトウェア間のインタラクションに関する体系的な推論が可能になる。
因果性クエリを可能にするMicroflowは、パフォーマンス分析とハードウェアとソフトウェアの共同設計のための強力な基盤を提供する。
2つのSPEC CPU 2017ベンチマークでこれを実証し、集合症状から見えないボトルネックを明らかにした: リーラの隠れ誤予測コストとmcfのクロスループイテレーション競合である。
関連論文リスト
- Micro-Defects Expose Macro-Fakes: Detecting AI-Generated Images via Local Distributional Shifts [48.75898711300078]
生成モデルは、非常に現実的なように見えるイメージを生成することができ、実際の画像とAI生成イメージを区別する上での課題を提起する。
局所分布認識検出フレームワークであるマクロフェイク(MDMF)のマイクロ欠陥をマクロレベルの分布不規則性に増幅する。
提案手法は, 局所的な法医学的信号が生成画像に存在する場合, パッチワイド・モデリングにより, 明らかな相違が生じることを示す。
論文 参考訳（メタデータ） (2026-05-10T03:44:09Z) - AutoFlows++: Hierarchical Message Flow Mining for System on Chip Designs [6.0174402828965725]
AutoFlows++は、複雑な設計の通信トレースからメッセージフローをマイニングするための設計アーキテクチャ誘導階層フレームワークである。
その結果,AutoFlows++は従来の手法と比較して,フロー抽出精度を著しく向上することがわかった。
論文 参考訳（メタデータ） (2026-04-12T15:44:43Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - FSX: Message Flow Sensitivity Enhanced Structural Explainer for Graph Neural Networks [1.6916040234975795]
本稿では,モデルの内部メッセージフローと,外部グラフデータに適用した協調ゲームアプローチを組み合わせた新しいフレームワークを提案する。
FSXは、実行時間を大幅に削減した優れた説明精度を実現する。
モデル予測の基礎となる構造論理に関する前例のない洞察を提供する。
論文 参考訳（メタデータ） (2026-01-21T07:39:42Z) - Med-CRAFT: Automated Construction of Interpretable and Multi-Hop Video Workloads via Knowledge Graph Traversal [13.216513001286812]
textbfPipelineNameは、新しいニューロシンボリックデータエンジニアリングフレームワークである。
Med-CRAFTは生のビデオストリームから構造化されたビジュアルプリミティブを抽出し、動的時空間知識グラフにインスタンス化する。
このパイプラインをインスタンス化し、大規模な医療ビデオ推論ベンチマークであるM3-Med-Autoを生成します。
論文 参考訳（メタデータ） (2025-11-30T19:24:10Z) - InspectCoder: Dynamic Analysis-Enabled Self Repair through interactive LLM-Debugger Collaboration [71.18377595277018]
大きな言語モデル(LLM)は、診断が難しい複雑なロジックエラーを伴うバグの多いコードを生成することが多い。
対話型デバッガ制御による動的解析を LLM に委ねる初のエージェントプログラム修復システムである InspectCoder を提案する。
論文 参考訳（メタデータ） (2025-10-21T06:26:29Z) - MOL: Joint Estimation of Micro-Expression, Optical Flow, and Landmark via Transformer-Graph-Style Convolution [46.600316142855334]
顔のマイクロ圧縮認識(MER)は、過渡的かつ微妙なマイクロ圧縮(ME)作用のために難しい問題である。
本稿では、トランスフォーマー、グラフ畳み込み、バニラ畳み込みの利点を生かしたエンドツーエンドのマイクロアクション対応ディープラーニングフレームワークを提案する。
我々のフレームワークはCASME II, SAMM, SMICベンチマークにおける最先端のMER手法よりも優れています。
論文 参考訳（メタデータ） (2025-06-17T13:35:06Z) - Follow the Flow: Fine-grained Flowchart Attribution with Neurosymbolic Agents [106.04963073116468]
フローチャートは意思決定プロセスを視覚化するための重要なツールです。
視覚言語モデルは、これらの図を分析する際に、存在しない接続や決定経路を幻覚させる。
LLM応答を参照してフローチャートを接地する特定の成分をトレースするフローチャートについて紹介する。
本稿では, グラフベースの推論により微細なホック帰属を行うニューロシンボリック・エージェントであるFlowPathAgentを提案する。
論文 参考訳（メタデータ） (2025-06-02T06:02:41Z) - Fast and Efficient What-If Analyses of Invocation Overhead and Transactional Boundaries to Support the Migration to Microservices [0.3222802562733786]
マイクロサービスアーキテクチャは、ソフトウェアシステムのアジリティと保守性を改善する。
既存のソフトウェアをプロセス外のコンポーネントに分解することは、機能しない特性に深刻な影響を与える可能性がある。
What-if分析は異なるシナリオを探索し、反復的かつインクリメンタルな方法でサービス境界を開発することを可能にする。
論文 参考訳（メタデータ） (2025-01-30T09:42:56Z) - DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。
フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
論文 参考訳（メタデータ） (2024-06-05T06:18:03Z)
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。