研究人员开发了MicroEvo，一个利用大型语言模型（LLMs）结合蒙特卡洛树搜索（MCTS）来增强微架构设计空间探索的新型框架。这种知识引导式方法结合了LLM驱动的进化算子和主动知识积累机制，以从迭代搜索中学习并重用优化见解。实验表明，与NSGA-II算法相比，MicroEvo的帕累托前沿质量显著提高了36.2%，搜索效率提高了10.6倍，并且对复杂工业规模核心表现出强大的可扩展性。 AI
影响 该框架可以通过利用LLM进行更高效的搜索，来显著加速计算机硬件的设计和优化。
排序理由 该集群包含一篇学术论文，详细介绍了一种新的微架构设计空间探索方法。[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 →
