PulseAugur
实时 14:58:24
English(EN) BigPower: Hierarchical Source-Level Module Power Estimation for CPUs with Large Language Models

LLM用于层级CPU模块功耗估算

研究人员开发了BigPower,一种用于在设计阶段估算CPU模块功耗的新方法。该方法利用大型语言模型分析源码级设计信息,包括架构层级、模块连接性和工作负载上下文。BigPower旨在提供一种比传统基于仿真的功耗估算更有效的方法,其成功应用于XiangShan处理器系列证明了这一点。 AI

影响 这项研究可能通过实现更快、更精细的功耗分析,从而带来更高效的CPU设计。

排序理由 这是一篇研究论文,详细介绍了使用LLM进行CPU功耗估算的新方法。[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 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Honghua Zhu, Chunjie Luo, Jianfeng Zhan ·

    BigPower: Hierarchical Source-Level Module Power Estimation for CPUs with Large Language Models

    arXiv:2606.13747v1 Announce Type: cross Abstract: Accurate power estimation is important for understanding and optimizing CPU power behavior, yet practical workflows often rely on simulation-derived information or post-silicon analysis. In this work, we present BigPower, a hierar…