論文の概要: Coco: An Agentic Copilot for the Hardware--Software Co-Design Lifecycle
- arxiv url: http://arxiv.org/abs/2610.02376v1
- Date: Thu, 01 Oct 2026 18:55:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 00:14:30.05205
- Title: Coco: An Agentic Copilot for the Hardware--Software Co-Design Lifecycle
- Title（参考訳）: Coco:ハードウェアのためのエージェントコパイロット-ソフトウェアの共同設計ライフサイクル
- Abstract要約: 共同シミュレーションMLモデルとそれらを実行するアクセラレータは、異例の推論タスクである。
我々は、TPUアーキテクトと共にデプロイされたエージェントプラットフォームであるCocoを紹介し、共同設計ライフサイクルを加速する。
- 参考スコア（独自算出の注目度）: 11.69945162738705
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Co-designing ML models and the accelerators that run them is an unusual reasoning task: architects must draw confident, high-stakes conclusions about systems that do not yet exist, and the pace of both model evolution and hardware cadence means the analysis burden grows every quarter. The evidence behind each decision--hundreds of gigabytes of fresh simulation sweeps over novel design points--is by construction absent from any LLM's pretraining corpus, and there is no external literature to retrieve; naive "chat-with-your-data" approaches hallucinate exactly where correctness matters most. We present Coco (Copilot for Codesign), an agentic platform deployed with TPU architects that accelerates the co-design lifecycle of setting up experiments, sweeping simulators, and deriving insights. Coco is built as four layers: (i) a datastore that automatically registers every simulation sweep into a normalized relational schema, so agents ground every number in a SQL query rather than scraping heterogeneous files; (ii) a library of tools with typed APIs that agents compose without human orchestration; (iii) agents that encode recurring analysis workflows--most notably iso-execution analysis, which compares systems at matched execution configurations, including swept-but-dominated points off the Pareto frontier; and (iv) a platform UX whose navigation state doubles as agent context. We report early deployment experience toward a reduction in time-to-simulation and time-to-insight, and argue that co-design is a distinct agentic domain: its data must be retrieved rather than memorized, its workflows are recurring but context-dependent, and expert adoption hinges on UX that balances IDE-style control with interactive exploration.
- Abstract（参考訳）: アーキテクトは自信を持ち、まだ存在しないシステムに関する高い評価の結論を導き、モデル進化とハードウェアケイデンスの両方のペースは、分析の負担が四半期毎に増加することを意味します。
それぞれの決定の裏にある証拠は、新しいデザインの点について数百ギガバイトの新鮮なシミュレーションが網羅している ― LLMの事前訓練コーパスが欠落しており、検索する外部文献は存在しない。
提案するCoco(Copilot for Codesign)は、TPUアーキテクトが配置したエージェントプラットフォームで、実験のセットアップ、シミュレータのクリーン化、洞察の導出といった共同設計ライフサイクルを加速する。
Cocoは4つのレイヤで構成されています。
i) すべてのシミュレーションを正規化されたリレーショナルスキーマに自動的に登録するデータストア。
(ii) エージェントが人間のオーケストレーションなしで構成する型付きAPIを備えたツールのライブラリ。
三 繰り返し解析ワークフローを符号化するエージェント ―― 中でも注目すべきは、パレートフロンティアのswart-but-dominatedポイントを含む、一致した実行構成のシステムを比較するイソ・エグゼクティオン・アナリティクス。
(iv) ナビゲーション状態がエージェントコンテキストの2倍のプラットフォームUX。
私たちは、タイム・トゥ・シミュレートとタイム・トゥ・インストームの削減に向けた初期のデプロイメント経験を報告し、コデザインは別個のエージェントドメインであると主張する。
関連論文リスト
- Inference-Time Graph Engineering for Multi-Agent LLM Workflows [51.56038180639833]
ReActNetは、クエリとロール特化エージェントのセットを一連の有向通信グラフにコンパイルする、トレーニング不要のフレームワークである。
ReActNetは、競争的推論コストを維持しつつ、固定トポロジと学習トポロジのベースラインを一貫して改善することを示す。
論文 参考訳（メタデータ） (2026-09-04T23:32:11Z) - PhyAgentOS: A Self-Evolving Operating System for Embodied Agents with Decoupled Cognitive Planning and Physical Execution [49.776611937968]
我々は、スケジューリング、検証、メモリ、ベンチマーク、安全性をシステムレベルのサービスとして提供するPhyAgentOSを紹介します。
セッション中心のセッションは、スケジューリング、互換性、監督された実行、エビデンス収集、受け入れの最小単位として、アクションではなくセッションを扱う。
SessionVerifierは、実行終了とセマンティックタスク完了を、成功、失敗、または再計画のエビデンスに基づいて判断する。
ベンチマークはデプロイメントセッションと検証パスを再利用するので、結果は実際の実行に遡る。
論文 参考訳（メタデータ） (2026-07-18T04:46:53Z) - The Illusion of Agentic Complexity in README.md Generation: Evaluating Single-Agent vs. Multi-Agent RAG Systems [3.7149543017244238]
この研究は、GitHubリポジトリ用のファイル生成のためのRAG(Retrieval-Augmented Generation)依存アーキテクチャを実証的に評価する。
シングルエージェントパイプラインは、MASに匹敵する語彙品質を達成し、トークンの消費量を86%削減し、その2倍の速度で運用する。
論文 参考訳（メタデータ） (2026-06-29T16:29:31Z) - AgentCo-op: Retrieval-Based Synthesis of Interoperable Multi-Agent Workflows [5.357463600626556]
AgentCo-opは再利用可能なスキル、ツール、および外部エージェントを実行可能なアーティファクトに構成する検索フレームワークである。
実行時に障害を示すコンポーネントに対して、自己誘導の局所的な修復を適用する。
空間論と遺伝子セットの解釈のための特殊エージェントを協調し、単一セルマルチオームデータ上での相互モダリティマーカー分析のための並列ワークフローを構築する。
論文 参考訳（メタデータ） (2026-05-19T19:22:21Z) - Sketch2Simulation: Automating Flowsheet Generation via Multi Agent Large Language Models [0.0]
プロセススケッチを実行可能なシミュレーションモデルに変換することは、プロセスシステム工学において依然として大きなボトルネックとなっている。
生成AIの最近の進歩は、エンジニアリングダイアグラムの解釈とフローシートの生成の両方を改善してきたが、これらはほとんど接続されていない。
本稿では,プロセス図を直接実行可能なAspen HYSYSフローシートに変換する,エンドツーエンドのマルチエージェント大規模言語モデルを提案する。
論文 参考訳（メタデータ） (2026-03-25T03:36:46Z) - IQuest-Coder-V1 Technical Report [56.045533451719905]
IQuest-Coder-V1 シリーズ-(7B/14B/40B/40B-Loop) は、新しいコード大言語モデル(LLM)のファミリーである。
IQuest-Coder-V1は、コードインテリジェンスの重要な次元にわたる競合モデルの最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-03-17T16:15:31Z) - Understanding by Reconstruction: Reversing the Software Development Process for LLM Pretraining [66.89012795621349]
大規模言語モデル(LLM)は、複雑なソフトウェア工学に必要な、深く、長期にわたる推論に苦しむことが多い。
本稿では,再構築による理解という,新しいパラダイムを提案する。
マルチエージェントシミュレーションを用いて潜在エージェント軌道を合成するフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-11T09:23:20Z) - A Hierarchical Multi-Agent System for Autonomous Discovery in Geoscientific Data Archives [0.0]
PANGAEA-GPTは、自律的なデータ発見と分析のために設計された階層型マルチエージェントフレームワークである。
標準のLarge Language Model (LLM)ラッパーとは異なり、我々のアーキテクチャは集中型スーパーバイザ-ワーバートポロジを実装している。
人間の介入を最小限に抑えながら、複雑な多段階決定論的ランタイムを実行するシステムの能力を実証する。
論文 参考訳（メタデータ） (2026-02-24T20:37:38Z) - CoDA: Agentic Systems for Collaborative Data Visualization [57.270599188947294]
深層研究はデータ分析に革命をもたらしたが、データサイエンティストは依然として手作業による視覚化にかなりの時間を費やしている。
単純なシングルエージェントシステムやマルチエージェントシステムを含む既存のアプローチは、しばしばタスクを単純化する。
本稿では,メタデータ分析,タスク計画,コード生成,自己回帰に特殊なLLMエージェントを利用するマルチエージェントシステムであるCoDAを紹介する。
論文 参考訳（メタデータ） (2025-10-03T17:30:16Z)
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。