arXiv · 10.08.2026 ·Исследования и наука

ArchAgent v2: автоматизация проектирования микроархитектур процессоров

Исследователи представили ArchAgent v2 — фреймворк для автоматизированного поиска и оптимизации микроархитектурных решений, сфокусированный на многоуровневой предварительной выборке данных (data prefetching). Система успешно справляется с огромным пространством поиска и жесткими аппаратными ограничениями, демонстрируя эффективность агентного подхода в решении сложных инженерных задач, где традиционные методы проектирования сталкиваются с высокими временными затратами на симуляцию.

Разработка направлена на преодоление барьеров при создании высокопроизводительных вычислительных систем. В отличие от предыдущих итераций, вторая версия ArchAgent оптимизирована для работы в условиях ограниченного бюджета аппаратных ресурсов, что критически важно для реальных циклов разработки процессоров. Агент самостоятельно исследует конфигурации кэш-памяти и алгоритмы предсказания доступа к данным, сокращая время поиска оптимальных параметров.

Применение агентных систем в проектировании микроархитектур позволяет автоматизировать рутинные этапы оптимизации, которые ранее требовали участия экспертов на протяжении месяцев. Использование специализированных алгоритмов поиска в сочетании с глубоким обучением дает возможность находить нетривиальные решения, превосходящие по эффективности стандартные эвристические подходы, применяемые в современной индустрии полупроводников.

Ключевые факты

ArchAgent v2 масштабирует поиск микроархитектур до уровня многоуровневого префетчинга данных.
Фреймворк учитывает строгие аппаратные бюджеты и длительные циклы симуляции, характерные для проектирования процессоров.
Система прошла тестирование в рамках Data Prefetching Championship, подтвердив способность находить эффективные решения в условиях ограниченных ресурсов.
Метод направлен на автоматизацию поиска в пространствах с высокой размерностью, где традиционный перебор неэффективен.

Источник: arXiv

Обсудить с ИИ

Похожие материалы

Together.ai · Инфраструктура для агентов ThunderAgent: ускорение агентного инференса в два раза Together AI представила ThunderAgent — планировщик для агентного инференса, оптимизирующий выполнение сложных рабочих процессов. Система рассматривает агентные цепочки как планируемые программы, что позволяет устранить избыточное использование KV-кэша. В результате пропускная способность на одном узле увеличивается более чем в два раза, обеспечивая при этом практически линейное масштабирование при работе на нескольких узлах одновременно. Hacker News · Инфраструктура для агентов Agent Architect: фреймворк для проектирования агентных систем Проект Agent Architect представляет собой специализированный набор инструментов для разработки агентных систем, ориентированный на структурирование навыков и логики взаимодействия ИИ-агентов. Решение позволяет разработчикам формализовать процесс принятия решений и выполнения задач, обеспечивая модульность архитектуры при создании сложных автономных систем, способных к многошаговому планированию и эффективному использованию внешних инструментов в рамках единого рабочего процесса. Hacker News · Инфраструктура для агентов Новый подход к компиляции для LLM и моделей мира Исследователи представили концепцию специализированного компилятора, предназначенного для оптимизации работы LLM и моделей мира. Система переводит высокоуровневые агентные задачи в эффективный машинный код, минимизируя задержки при выполнении сложных логических цепочек. Это решение направлено на повышение производительности систем, работающих в режиме реального времени, и создание более надежной инфраструктуры для будущих автономных ИИ-агентов. Hacker News · Разработка и инструменты Prime Agent показал результат 95,5% в бенчмарке ARC-AGI-3 Команда Prime Intellect представила Prime Agent — специализированный фреймворк для автоматизации программирования и решения сложных логических задач. Система продемонстрировала высокую эффективность в бенчмарке ARC-AGI-3, достигнув показателя успешности 95,5%. Инструмент ориентирован на создание автономных агентов, способных выполнять многоэтапные инженерные задачи с минимальным вмешательством человека, что значительно повышает планку для агентных систем в области кодинга. Hacker News · ИИ в бизнесе Nvidia внедряет ИИ-агентов для ускорения проектирования чипов Nvidia интегрирует специализированных ИИ-агентов в процесс разработки полупроводников, чтобы сократить циклы проектирования и оптимизировать архитектуру чипов. Использование автоматизированных систем позволяет компании быстрее справляться с растущей сложностью микросхем, автоматизируя рутинные задачи инженеров и повышая точность моделирования на ранних этапах создания аппаратного обеспечения. Hacker News · Оркестрация агентов Agents.md: открытый гид по выбору архитектур для ИИ-агентов Проект Agents.md представил структурированный справочник для выбора оптимальных паттернов проектирования агентных систем. Инструмент систематизирует подходы к построению рабочих процессов, помогая разработчикам определиться с выбором между простыми цепочками, итеративными циклами или сложными многоагентными архитектурами в зависимости от конкретных бизнес-задач и требований к надежности системы. arXiv · Исследования и наука MicroEvo: ускорение проектирования микроархитектур с помощью LLM Исследователи представили метод MicroEvo, оптимизирующий поиск в пространстве микроархитектурных решений. Использование LLM с направляющим знанием позволяет эффективно обходить ограничения вычислительного бюджета при оценке параметров PPA (мощность, производительность, площадь). Новый подход заменяет слепой перебор интеллектуальной выборкой, значительно повышая сходимость к оптимальным конфигурациям по сравнению с традиционными методами проектирования процессоров. arXiv · Память и RAG Proactive Memory Agent: решение проблемы забывания в долгосрочных задачах Исследователи представили Proactive Memory Agent — архитектурный подход для ИИ-агентов, работающих над задачами с длинным горизонтом планирования. Метод решает проблему «поведенческого дрейфа», когда критически важная информация теряется в растущем контекстном окне. Система проактивно извлекает и структурирует данные о целях, прошлых попытках и состоянии среды, обеспечивая их доступность в нужный момент принятия решения. Hacker News · Память и RAG Запуск бенчмарка для оценки систем памяти ИИ-агентов Представлен открытый фреймворк для сравнительного анализа систем памяти в ИИ-агентах. Инструмент позволяет стандартизировать тестирование того, как различные архитектуры хранения данных влияют на способность агентов извлекать контекст и сохранять долгосрочную информацию. Проект решает проблему отсутствия единых метрик для оценки эффективности RAG-систем и механизмов памяти в агентных средах. Hacker News · Оркестрация агентов Фундаментальный обзор архитектур и систем агентного ИИ Авторы нового исследования представили комплексный обзор архитектур агентного ИИ, систематизируя переход от простых LLM-приложений к автономным агентным системам. Работа охватывает ключевые компоненты: от механизмов планирования и управления памятью до стратегий взаимодействия с внешними инструментами. Материал служит дорожной картой для проектирования масштабируемых систем, способных выполнять сложные многоэтапные задачи в реальных условиях.

← Все материалы