研究人员开发了一种新颖的方法来训练AI模型生成节能代码，超越了传统上对速度的关注。他们创建了一个名为Green Tea的数据集，包含在1,474个C++问题上的350万次评估，使用确定性架构仿真器而不是物理硬件测量进行反馈。这种仿真引导的强化学习流程在未见过的（held-out）问题上取得了12.63%的CARET分数，显著优于仅在能量对比对（energy-contrastive pairs）上训练的模型，甚至在大多数有效输出中超过了人类专家的节能参考。研究还强调，像每周期指令数（IPC）这样的常见吞吐量指标是真实节能效率的糟糕指标，这突显了直接能量仿真的重要性。 AI
影响 这项研究可能导致AI模型生成能耗显著降低的软件，从而影响数据中心的效率和设备的电池寿命。
排序理由 这是一篇详细介绍AI模型训练新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
