論文の概要: AgenticCANN: Automated Ascend C Operator Generation via Knowledge-Augmented Agentic Evolution
- arxiv url: http://arxiv.org/abs/2607.26661v1
- Date: Wed, 29 Jul 2026 09:19:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-30 21:06:25.610194
- Title: AgenticCANN: Automated Ascend C Operator Generation via Knowledge-Augmented Agentic Evolution
- Title（参考訳）: AgenticCANN:知識付加型エージェント進化によるAccend C演算子の自動生成
- Abstract要約: AgenticCANNは、低コーパスNPU環境でのAscend C演算子の自動合成に適した知識強化されたエージェント進化フレームワークである。
本手法は, 要素ワイドおよび正規化演算子で90%から100%, 融合演算子で56%, 1B Panguモデル推論カーネルで6.65$times$スピードアップを実現する。
- 参考スコア（独自算出の注目度）: 16.709206818546317
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ascend C operator optimization is critical for NPU (Neural Processing Unit) inference performance but requires deep hardware expertise.While large language models (LLMs) have shown promise in automated CUDA kernel generation, the fundamentally different programming model of Ascend C introduces unique challenges that remain unexplored. In this paper, we propose AgenticCANN, a knowledge-augmented agentic evolution framework specifically tailored for automated Ascend C operator synthesis in low-corpus NPU environments.To overcome the severe platform knowledge deficit on unfamiliar hardware, AgenticCANN incorporates a knowledge-orchestrated generation system that delivers structured, multi-level domain insights across the development lifecycle to resolve the upstream feasibility bottleneck.Building on this foundation, it features a stage-adaptive agentic evolution strategy that dynamically aligns LLM interaction modes with specific generation and evolution phases, balancing high-exploration candidate discovery with high-convergence performance tuning.Extensive experiments on Huawei Ascend 910B across six operators spanning five pattern categories demonstrate that our method achieves 90 to 100 percent feasibility on elementwise and normalization operators, 56% on fusion operators, and up to 6.65$\times$ speedup on 1B Pangu model inference kernels. Further analysis reveals that knowledge injection monotonically improves feasibility from 57% to 86% on elementwise operators, demonstrating its general rather than operator-specific benefit.
- Abstract（参考訳）: Ascend Cオペレータの最適化は、NPU(Neural Processing Unit)の推論性能には不可欠だが、ハードウェアの深い専門知識を必要とする。大規模な言語モデル(LLM)は、CUDAカーネルの自動生成において有望であることを示しているが、Ascend Cの根本的に異なるプログラミングモデルでは、未検討のままのユニークな課題が導入されている。
本稿では,AgenticCANNを提案する。AgenticCANNは,低コーパスNPU環境における自動アセンドC演算子の合成に適した,知識強化されたエージェント進化フレームワークである。AgenticCANNは,構築ライフサイクル全体にわたって構造化されたマルチレベルドメインの洞察を伝達し,上流で実現可能なボトルネックを解決するための知識調整型生成システムである。この基盤を基盤として,LLMの相互作用モードと特定の生成と進化フェーズを動的に調整し,高信頼度性能チューニングによる高探索候補発見のバランスをとる,段階適応型エージェント進化戦略を特徴とする。Huawei Ascend 910Bは5つのカテゴリにまたがって,正常化を100%達成し,正常化を55%から6.5%に向上する。
さらなる分析により、知識注入は、演算子固有の利点よりも一般性を示すため、単調に実現可能性を57%から86%に改善することが明らかとなった。
関連論文リスト
- NKI-Agent: Domain-Specific Fine-Tuning and Agentic Tool Use for Neuron Kernel Generation [18.169388901224416]
NKIカーネル生成のためのドメイン固有の微調整とエージェントループを組み合わせた最初のシステムであるNKI-Agentを提案する。
Opus 4.8は、エージェントツールなしでシングルショットモードで6%スコアし、SFTでトレーニングされたQwen3-Coder-30B-A3Bは、Sonnet 4 RLの1/100分の1で25.0%パスレートを達成した。
論文 参考訳（メタデータ） (2026-07-05T16:37:41Z) - Swarm Skills: A Portable, Self-Evolving Multi-Agent System Specification for Coordination Engineering [50.72456732323037]
textbfSwarm Skillsは、マルチエージェントのセマンティクスを用いて、Arthhropic Skills標準を拡張したポータブル仕様である。
Swarm Skillsはマルチエージェントを、役割、実行バウンダリ、自己進化のためのビルトインセマンティック構造からなる、一級の分散可能なアセットに変える。
我々は,Swarm Skillsがプログレッシブ開示を通じて,ゼロアダプタのクロスエージェントポータビリティを実現する方法を示す。
論文 参考訳（メタデータ） (2026-05-11T06:26:58Z) - AVO: Agentic Variation Operators for Autonomous Evolutionary Search [38.64857334672555]
エージェント変分演算子(エージェント変分演算子、AVO)は、古典的な進化探索の固定突然変異、クロスオーバー、手動設計を置き換える進化変分演算子である。
我々は、NVIDIA Blackwell (B200) 上でAIにおいて最も積極的に最適化されたカーネルターゲットのうち、注目されている AVO を評価する。
AVOは、変化を、現在の系統、ドメイン固有の知識ベース、実行フィードバックを参照できるセルフ指向のエージェントループとしてインスタンス化する。
論文 参考訳（メタデータ） (2026-03-25T16:55:04Z) - EvoCUA: Evolving Computer Use Agents via Learning from Scalable Synthetic Experience [44.734653745434834]
本稿では,ネイティブコンピュータ利用エージェントモデルであるEvoCUAを紹介する。
静的な模倣とは異なり、EvoCUAはデータ生成とポリシー最適化を自己持続的な進化サイクルに統合する。
EvoCUAは以前の最高のオープンソースモデルであるOpenCUA-72Bを大きく上回っている。
論文 参考訳（メタデータ） (2026-01-22T11:36:43Z) - AscendKernelGen: A Systematic Study of LLM-Based Kernel Generation for Neural Processing Units [39.846358001824996]
我々は,NPUカーネル開発のための世代評価統合フレームワークAscend KernelGenを提案する。
本稿では,実世界のカーネル実装から派生したチェーン・オブ・シント推論を取り入れた高品質なデータセットAscend-CoTを紹介する。
NPU KernelBenchも設計しています。これは、様々な複雑さレベルにわたるコンパイル、正確性、パフォーマンスを評価するための包括的なベンチマークです。
論文 参考訳（メタデータ） (2026-01-12T03:12:58Z) - Agent0: Unleashing Self-Evolving Agents from Zero Data via Tool-Integrated Reasoning [84.70211451226835]
大規模言語モデル(LLM)エージェントは、人間の計算データへの依存によって制約される。
我々は,外部データを持たない高性能エージェントを進化させる完全自律型フレームワークであるAgent0を紹介する。
Agent0は推論能力を大幅に向上させ、Qwen3-8B-Baseモデルを数学的推論で18%改善し、一般的な推論ベンチマークで24%改善した。
論文 参考訳（メタデータ） (2025-11-20T05:01:57Z) - OmniEAR: Benchmarking Agent Reasoning in Embodied Tasks [52.87238755666243]
OmniEARは,言語モデルが身体的相互作用やツールの使用,マルチエージェントの協調にどう影響するかを評価するためのフレームワークである。
我々は、家庭と工業領域にまたがる1500のシナリオにおける連続的な物理的特性と複雑な空間的関係をモデル化する。
我々の体系的な評価は、モデルが制約から推論しなければならない場合、厳しい性能劣化を示す。
論文 参考訳（メタデータ） (2025-08-07T17:54:15Z) - SEAgent: Self-Evolving Computer Use Agent with Autonomous Learning from Experience [71.82719117238307]
本稿では,コンピュータ利用エージェントが不慣れなソフトウェアとのインタラクションを通じて進化することを可能にするエージェント型自己進化フレームワークSEAgentを提案する。
我々は、OS-World内の5つの新しいソフトウェア環境におけるSEAgentの有効性を検証する。
当社のアプローチは,競合するオープンソースCUAに比べて,11.3%から34.5%という,23.2%の大幅な改善を実現している。
論文 参考訳（メタデータ） (2025-08-06T17:58:46Z) - Intelligent Mobile AI-Generated Content Services via Interactive Prompt Engineering and Dynamic Service Provisioning [55.641299901038316]
AI生成コンテンツは、ネットワークエッジで協調的なMobile AIGC Service Providers(MASP)を編成して、リソース制約のあるユーザにユビキタスでカスタマイズされたコンテンツを提供することができる。
このようなパラダイムは2つの大きな課題に直面している: 1) 生のプロンプトは、ユーザーが特定のAIGCモデルで経験していないために、しばしば生成品質が低下する。
本研究では,Large Language Model (LLM) を利用してカスタマイズしたプロンプトコーパスを生成する対話型プロンプトエンジニアリング機構を開発し,政策模倣に逆強化学習(IRL)を用いる。
論文 参考訳（メタデータ） (2025-02-17T03:05:20Z)
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。