arXiv · 18.06.2026 ·Инфраструктура для агентов

AutoPass: мультиагентная система для оптимизации производительности компиляторов

Исследователи представили AutoPass — специализированный мультиагентный фреймворк, предназначенный для автоматической настройки производительности компиляторов. Основная сложность подобных задач заключается в непредсказуемости микроархитектурных эффектов и высокой зашумленности данных при замерах времени выполнения кода. В отличие от стандартных подходов, где языковые модели пытаются оптимизировать код «вслепую», AutoPass опирается на фактические доказательства, полученные в ходе компиляции и выполнения программы.

Система использует агентную архитектуру, которая анализирует диагностические сообщения компилятора и метрики производительности в реальном времени. Эти данные служат обратной связью для LLM, позволяя модели принимать обоснованные решения об оптимизации. Такой подход минимизирует количество случайных правок и фокусируется на тех аспектах кода, которые действительно влияют на скорость работы целевого приложения.

Внедрение AutoPass позволяет автоматизировать процесс, который ранее требовал глубокой экспертизы инженеров по производительности. Использование доказательной базы (evidence-guided) помогает моделям лучше понимать контекст выполнения и избегать типичных ошибок, связанных с галлюцинациями или неверной интерпретацией архитектурных особенностей процессора. Фреймворк демонстрирует эффективность в задачах тонкой настройки, где требуется баланс между качеством генерируемого кода и его скоростью исполнения.

Источник: arXiv

Похожие материалы

Hacker News · Инференс и железо Новый фреймворк для JIT-компиляции ускоряет работу ИИ-моделей Исследователи представили новый фреймворк для JIT-компиляции, который может значительно ускорить выполнение ИИ-моделей. Система использует многоуровневую JIT-компиляцию в рамках мета-трейсинга, что позволяет оптимизировать код на лету и повышать производительность. The GitHub Blog · ИИ в бизнесе GitHub оптимизирует работу Copilot через улучшенную маршрутизацию моделей GitHub представил обновления в архитектуре Copilot, направленные на повышение эффективности использования токенов и оптимизацию затрат ресурсов. Основной упор сделан на интеллектуальную маршрутизацию запросов: система теперь динамически определяет, какая модель лучше всего подходит для конкретной задачи пользователя. Это позволяет перенаправлять простые запросы на более легкие и быстрые модели, сохраняя при этом мощные вычислительные ресурсы для решения сложных программных задач. arXiv · Машинное обучение OpenAnt: новый подход к автоматическому поиску уязвимостей в коде с помощью LLM Исследователи представили OpenAnt — фреймворк для автоматизированного поиска уязвимостей в крупных репозиториях программного обеспечения. Система объединяет возможности больших языковых моделей с методами декомпозиции кода, состязательной верификации и динамического тестирования. Такой подход позволяет преодолеть ограничения традиционных инструментов статического анализа, которые часто выдают избыточное количество ложноположительных срабатываний, и динамических фаззеров, требующих сложной инфраструктуры. Hacker News · Инфраструктура для агентов Автоматическая маршрутизация запросов для оптимизации стоимости и скорости LLM Компания Factory представила инструмент для автоматической маршрутизации запросов между различными языковыми моделями. Система в режиме реального времени анализирует входящие задачи и перенаправляет их на наиболее подходящую модель, исходя из заданных параметров стоимости и времени отклика. Такой подход позволяет компаниям снизить расходы на API, не жертвуя качеством ответов в критически важных сценариях. arXiv · Инфраструктура для агентов PreAct: как ИИ-агенты ускоряют повторяющиеся задачи Исследователи представили PreAct — систему, которая позволяет агентам, работающим с ПК, ускорять выполнение повторяющихся задач. Обычно такие агенты обрабатывают каждую задачу с нуля: при повторном запросе они заново анализируют экран и действия, что увеличивает время и затраты. Hacker News · Разработка и инструменты Автономные кодинг-агенты для долгосрочных задач Исследователи представили концепцию автономных кодинг-агентов, способных выполнять долгосрочные задачи программирования без постоянного вмешательства человека. Эти агенты используют комбинацию языковых моделей, инструментов для выполнения кода и механизмов памяти для поддержания контекста и состояния задачи. Hacker News · Оценка и бенчмарки Дорожная карта по оценке эффективности ИИ-агентов Оценка производительности автономных ИИ-агентов становится критическим этапом разработки, так как традиционные метрики для простых LLM-запросов здесь оказываются недостаточно эффективными. В отличие от статических моделей, агенты совершают последовательные действия, взаимодействуют с внешними инструментами и меняют состояние среды, что требует комплексного подхода к тестированию. Hacker News · Другое Компиляция алгоритмов матричного умножения в быстрые CUDA-ядра Исследователи представили новый подход к компиляции алгоритмов матричного умножения, основанных на методе Штрассена, в эффективные CUDA-ядра. Это позволяет значительно ускорить вычисления, что особенно важно для задач, связанных с обработкой больших матриц в ИИ-агентах. Hacker News · Машинное обучение Ускорение оптимизации ядер Helion с помощью LLM Команда PyTorch представила новый подход к автоматической настройке (autotuning) вычислительных ядер Helion, используемых в высокопроизводительных вычислениях. Ранее процесс подбора оптимальных параметров для этих ядер занимал минуты из-за необходимости перебора огромного пространства конфигураций. Использование языковых моделей позволило сократить время оптимизации до нескольких секунд, сохраняя при этом высокую эффективность выполнения операций. Hacker News · ИИ в бизнесе Оптимизация потребления токенов в GitHub Copilot Разработчики GitHub Copilot представили обновленные подходы к управлению контекстным окном, направленные на повышение эффективности использования токенов. Основная задача изменений — сократить избыточную передачу данных в языковую модель без потери качества генерации кода. Инженеры пересмотрели алгоритмы формирования промптов, внедрив более интеллектуальные методы фильтрации и приоритизации фрагментов кода, которые действительно влияют на результат работы ИИ-ассистента.

← Все материалы