arXiv cs.AI· Vasilis Kypriotis, Alexander Blasberg, Alexandros Moiras, Dimitrios Skarlatos·· 3 天前AI 评分29
Agentic Architect：面向架构设计探索与优化的智能体 AI 框架
Agentic Architect: An Agentic AI Framework for Architecture Design Exploration and Optimization
AI 导读
Agentic Architect 是一个用于智能体 CPU 微架构设计空间探索与优化的框架，将 LLM 驱动的代码演化与周期精确仿真和硬件成本建模结合，在性能、面积和功耗之间权衡。
正文 · AI 翻译
摘要：计算机体系结构研究传统上需要人工投入大量精力来探索庞大且高度复杂的设计空间。大型语言模型（LLM）为加速这一过程提供了机会，能够快速、自动地实现和测试不同的体系结构机制及其组合。我们提出了 Agentic Architect，一个用于智能体式 CPU 微体系结构设计空间探索与优化的框架。Agentic Architect 将 LLM 驱动的代码演化与周期精确仿真和硬件成本建模相结合，以探索性能、面积和功耗之间的权衡。从种子设计出发，LLM 被提示通过实现变更来探索设计空间，并以先前的评估反馈作为指导。每个新设计都会被编译、在训练工作负载上仿真、根据优化目标进行评估，并受到面积和功耗预算的约束。其得分和诊断信息会更新候选种群并指导后续迭代。
我们在预取、缓存替换和分支预测方面评估了 Agentic Architect 框架。在涵盖五个基准测试套件的 213 条轨迹上，其演化出的预取器在所评估的 L1D 和 L2 设计中处于领先地位，分别比最强的最先进设计额外带来高达 6.7% 和 2.6% 的加速，而最佳演化缓存替换设计比 Mockingjay 提升高达 1.7%。此外，在 191 条分支预测轨迹上，演化出的分支预测器在仅占 TAGE-SC-L 面积 10.58% 的情况下，达到了其几何平均 IPC 的 97.62%。我们的分析强调了种子选择、硬件约束和训练工作负载在塑造搜索结果方面的重要性。总体而言，Agentic Architect 建立了首个用于智能体式 CPU 微体系结构设计优化的端到端框架，为体系结构研究开辟了新方向。
| 主题： | 人工智能（cs.AI）；硬件体系结构（cs.AR） |
| 引用为： | arXiv:2604.25083 [cs.AI] |
| （或 arXiv:2604.25083v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2604.25083 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Dimitrios Skarlatos [查看电子邮件]
[v1]
2026年4月28日星期二 00:31:55 UTC（389 KB）
[v2]
2026年10月12日星期一 05:07:15 UTC（1,448 KB）
来源：arXiv cs.AI · arxiv.org