研究人员开发了MoSAIC，一个用于优化异构计算系统任务调度的创新框架。该系统利用大型语言模型（LLMs）通过分析OR-Tools CP-SAT求解器生成的最佳调度来学习有效的调度启发式方法。学习到的启发式方法旨在捕捉有向无环图（DAG）结构与调度优先级之间的复杂关系，创建一个可重用的知识库。在PolyBench和MachSuite等基准测试上的实验表明，MoSAIC学习到的启发式方法优于HEFT等传统方法，同时保持了较低的计算开销。 AI
影响 该框架可以提高复杂计算系统中任务调度的效率，可能影响嵌入式系统和高级综合等领域。
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新的任务调度框架。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- arXiv
- Bayesian Optimization
- directed acyclic graph
- HEFT
- large language models
- MachSuite
- MoSAIC
- OR-Tools CP-SAT solver
- PolyBench
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
