English(EN) Accelerating Transfer-Learning-Based Autotuning with Predictive LLVM IR Performance Ranking

新框架使用机器学习加速HPC性能自动调优

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-15 04:00

研究人员开发了一个新框架，以加速高性能计算（HPC）系统中的性能自动调优过程。该框架利用了一个名为Neural Configuration Scorer（NCS）的基于机器学习的集成LLVM中间表示（IR）排名器。NCS通过对IR的性能进行排名来提高效率，从而降低调优开销并避免次优评估。该系统利用迁移学习，与现有方法相比，只需更少的评估即可实现类似的性能提升。 AI

影响这项研究可能导致更高效、更快速的复杂HPC系统性能调优，从而加速科学发现和计算任务。

排序理由该集群描述了一篇研究论文，其中详细介绍了一个使用机器学习加速HPC系统自动调优的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 15 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇研究论文，其中详细介绍了一个使用机器学习加速HPC系统自动调优的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Md Arafat Hossain, Thomas Randall, Akash Dutta, Xingfu Wu, Rong Ge, Ali Jannesari · 2026-09-15 04:00

基于迁移学习的自动调优加速：预测性 LLVM IR 性能排名

arXiv:2609.15807v1 Announce Type: cross Abstract: As the complexity of High Performance Computing (HPC) ecosys- tems continually increases, achieving optimal performance becomes a challenge. Traditional performance autotuning techniques pro- vide promising means to navigate this …

本文如何被排名

报道来源 [1]

基于迁移学习的自动调优加速：预测性 LLVM IR 性能排名

相关实体

相关话题