摘要
针对昇腾 C 算子优化需深厚硬件 expertise 的难题,本文提出 AgenticCANN,一种面向低语料 NPU 环境的知识增强代理进化框架。该框架引入知识编排生成系统,提供结构化领域洞察以解决可行性瓶颈;并采用阶段自适应代理进化策略,动态调整 LLM 交互模式,平衡候选发现与性能调优。实验表明,该方法在多种算子上实现了高可行性及显著加速比,证明了知识注入的通用效益。
AI 推荐理由
论文提出基于代理进化的框架,核心机制是阶段自适应的代理进化策略,属于自我进化研究。
研究机构
1Department of Computer Science, City University of Hong Kong
2Hong Kong Yuyin Technology Co., Ltd
论文信息