論文の概要: DuoDiscover: Scaling Autonomous Discovery Beyond the Evaluation Bottleneck

• arxiv url: http://arxiv.org/abs/2610.17184v1
• Date: Mon, 12 Oct 2026 17:54:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-18 02:53:44.769042
• Title: DuoDiscover: Scaling Autonomous Discovery Beyond the Evaluation Bottleneck
• Title（参考訳）: DuoDiscover: 評価ボックスを越えた自動ディスカバリのスケールアップ
• Abstract要約: 評価はAIの進歩の中心であり、自律的な発見にも等しく重要である。 提案するDuoDiscoverは,最適化方法と進捗を効率的に評価する方法を共同で発見する検索システムである。 我々は、DuoDiscoverを2つのリポジトリレベルのベンチマークと、数百のカーネルをカバーするGPUとTPUカーネルスイートで実証した。
• 参考スコア（独自算出の注目度）: 114.73386698321592
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Evaluation has been central to advances in AI, and it is equally critical to autonomous discovery. Yet scaling autonomous discovery to real-world engineering challenges faces a fundamental bottleneck: the cost of evaluating progress. In real settings, a single true evaluation, such as a full benchmark or serving trace, can take hours, so a search can afford only a handful of true evaluations. We present DuoDiscover, a search system that jointly discovers what to optimize and how to evaluate progress efficiently, through three mechanisms. First, each worker in a fleet of coding agents co-discovers an optimization target and a fast, tailored proxy evaluator, which we call a yardstick. The agent then hill-climbs the yardstick rather than the true evaluation. Second, since search can exploit gaps between a yardstick and the true objective, fidelity tests continually recheck each yardstick's ranking and invalidate any that drift. Third, the fleet is bottom-up, with no central decomposition of the problem. A lightweight orchestrator spawns and terminates agents, briefs running ones, and seeds new agents with others' confirmed work. DuoDiscover enables autonomous optimization from software to chip architecture. We demonstrate DuoDiscover on two repository-level benchmarks and four GPU and TPU kernel suites covering hundreds of kernels. On SWE-fficiency, it doubles the average speedup of human experts. On SOL-Exec, it ranks first on 121 of 235 kernels and in the top three on 212. On the heavily optimized vLLM and SQLite engines, DuoDiscover achieves 1.92$\times$ and 1.38$\times$ gains over the base code. On a CPU microarchitecture optimization task with evaluations of up to 28 hours, DuoDiscover surpasses both AlphaEvolve-based ArchAgent v2 and the best human design, with 1.65$\times$ ArchAgent v2's gain in 16.7 days versus more than 40 days, advancing the frontier of autonomous chip design.
• Abstract（参考訳）: 評価はAIの進歩の中心であり、自律的な発見にも等しく重要である。 しかし、自律的な発見を現実のエンジニアリング課題にスケールすることは、根本的なボトルネックに直面します。 実際の設定では、完全なベンチマークやサーブトレースのような単一の真の評価が数時間かかる可能性があるため、検索は真の評価をわずかに行うことができる。 提案するDuoDiscoverは,3つのメカニズムを用いて,最適化方法と進捗を効率的に評価する方法を共同で発見する検索システムである。 まず、一群のコーディングエージェントの作業員が最適化ターゲットと高速で調整されたプロキシ評価器を共同で発見し、それをヤードスティックと呼ぶ。 エージェントは、真の評価よりも、ヤードスティックを登ります。 第二に、探索はヤードスティックと真の目的の間のギャップを利用することができるため、フィデリティテストは各ヤードスティックのランキングを継続的にチェックし、ドリフトを無効にする。 第3に、艦隊はボトムアップであり、問題の中央分解は行われない。 ライトウェイトなオーケストラは、エージェントを産み、終了させ、実行しているエージェント、新しいエージェントを他の人の確認された作業でシードする。 DuoDiscoverは、ソフトウェアからチップアーキテクチャへの自律的な最適化を可能にする。 我々は、DuoDiscoverを2つのリポジトリレベルのベンチマークと、数百のカーネルをカバーするGPUとTPUカーネルスイートで実証する。 SWE効率では、人間の専門家の平均的なスピードアップを2倍にします。 SOL-Execでは、235カーネルの121位、そして212カーネルの上位3位にランクインしている。 高度に最適化された vLLM と SQLite エンジンでは、DuoDiscover は 1.92$\times$ と 1.38$\times$ をベースコードで達成している。 最大28時間のCPUマイクロアーキテクチャ最適化タスクにおいて、DuoDiscoverはAlphaEvolveベースのArchAgent v2と最高のヒューマンデザインの両方を上回り、1.65$\times$ArchAgent v2が16.7日で40日以上上昇し、自動運転チップ設計のフロンティアを前進させた。

関連論文リスト

• LLM4LLM: Bridging Kernel Benchmarks and Real Deployment via Closed-Loop Agentic Optimization [7.393546440833148]
  大規模言語モデルは、低レベルのコードとカーネル最適化のために、ますます有能なエージェントになっている。 デプロイ対応のクローズドループ最適化フレームワーク LLM4LLM を紹介する。 評価されたモデルごとにエンドツーエンドのレイテンシを改善し、A100/H100で3.91$times$/6.98$times$ometry-meanスピードアップを達成する。
  論文  参考訳（メタデータ） (2026-08-22T08:12:16Z)
• AI Research Preference Models [87.14303218008381]
  研究エージェントは、独自の機械学習実験を提案し、実装し、評価することができる。 フロンティア作業の進行は コストで妨げられています 我々は、複数の候補ソリューションのどれが実行価値が最も高いかを予測するAI Research Preference Models(RPM)を紹介する。
  論文  参考訳（メタデータ） (2026-08-14T04:20:37Z)
• ArchAgent v2: A Case Study with the Data Prefetching Championship [36.612928353838974]
  ArchAgent v2は、自動マイクロアーキテクチャ検索をマルチレベルのデータプリフェッチにスケールするフレームワークである。 ケースケード進化探索は、個々のキャッシュレベルで順次進化し、プレフェッチを凍結することにより、設計空間を分割する。 ハードウェア実現可能性フィードバックループは、進化過程に直接リアルタイムのサイズ推定を埋め込む。
  論文  参考訳（メタデータ） (2026-08-10T17:28:05Z)
• optimize_anything: A Universal API for Optimizing any Text Parameter [98.42497715725356]
  単一タスク検索をサポートする1つのAIベースの最適化システム、クロスプロブレム転送によるマルチタスク検索、および目に見えない入力への一般化を示す。 LLMに基づく検索によるテキストの最適化は汎用的な問題解決パラダイムであることを示す。
  論文  参考訳（メタデータ） (2026-05-19T10:18:12Z)
• Deep Researcher Agent: An Autonomous Framework for 24/7 Deep Learning Experimentation with Zero-Cost Monitoring [2.4112990554464235]
  textbfDeep Researcher Agentは,大規模言語モデル(LLM)エージェントが時計周辺で自律的にディープラーニング実験を行うことを可能にする,オープンソースのフレームワークである。 論文作成やコード生成に重点を置く既存のAI研究アシスタントとは異なり、私たちのシステムは仮説形成、コード実装、トレーニング実行、結果分析、反復的洗練という、完全な実験ライフサイクルに対処しています。
  論文  参考訳（メタデータ） (2026-04-07T13:16:31Z)
• RoboPhD: Evolving Diverse Complex Agents Under Tight Evaluation Budgets [0.2126018197183873]
  本稿では,エロトーナメントの選択,EPA,グリーディヒルクライミングという3つの最適化パラダイムの体系的比較について述べる。 RoboPhDは、トレーニングとバリデーションの予算を分割する代わりに、トレーニングデータにEloコンペティションを使用してエージェントを同時に評価し、進化を促進する。 我々は、さまざまな複雑なエージェントを進化させるためのシンプルなOptimation_anything() APIを使って、MITライセンスの下で汎用ツールキットとしてRoboPhDをリリースした。
  論文  参考訳（メタデータ） (2026-04-06T01:39:13Z)
• Omni-SimpleMem: Autoresearch-Guided Discovery of Lifelong Multimodal Agent Memory [76.63021613850093]
  我々は、生涯にわたるAIエージェントのための統合マルチモーダルメモリフレームワークであるOmni-SimpleMemを発見するために、自律的な研究パイプラインをデプロイする。 システムは2つのベンチマークで最先端を実現し、LoCoMoではF1を+411%改善し、Mem-Galleryでは+214%向上した。 本稿では,6種類の発見型を分類し,特に自動検索に適したマルチモーダルメモリを実現する4つの特性を同定する。
  論文  参考訳（メタデータ） (2026-04-01T15:06:23Z)
• AccelOpt: A Self-Improving LLM Agentic System for AI Accelerator Kernel Optimization [12.269456144158783]
  本稿では,自己改善型大規模言語モデル(LLM)エージェントシステムであるAccelOptを紹介する。 NKIBenchは、AWS Trainiumアクセラレータカーネルの新しいベンチマークスイートで、現実世界のワークロードから抽出される複雑さがさまざまです。 評価の結果,AccelOptの能力は時間とともに向上し,ピークスループットの平均値はTranium 1で49%から61%,NKIBenchカーネルで45%から59%へと向上した。
  論文  参考訳（メタデータ） (2025-11-19T22:49:37Z)
• Explore as a Storm, Exploit as a Raindrop: On the Benefit of Fine-Tuning Kernel Schedulers with Coordinate Descent [48.791943145735]
  カーネルの品質を向上しながら,Ansorの検索時間を短縮する可能性を示す。 このアプローチを、Ansorが生成した最初の300のカーネルに適用する。 この結果は20の有名なディープラーニングモデルで再現されている。
  論文  参考訳（メタデータ） (2024-06-28T16:34:22Z)

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。