cv usk(@cv_usk):同じモデルでも「チームの作り方」を進化させるだけで、GPUカーネル最適化が人間の専門家レベルに迫りました🚀 Evolving Agent Teams https://t.co/XyKeIVCRXL 📌 概要 UC Berkeleyが提案するEATは、コーディングエージェントのチーム構成(役割・連携・知識管理)を、解と一緒に進化させる手法です。 ⚠️ 解決する課題・エージェントは実装しやすい方向に予算を使い切り、局所最適に陥りがちです・固定チームでは、デバッグ→プロファイリング→設計変更と変わる局面に対応できません 🧬 手法・スーパーバイザーが失敗パターンを診断し、次のチームを設計します・Profiling ScientistやKnowledge Integratorなど、役割をゼロから発明します・永続ファイルシステムで知見と成果を次のチームへ引き継ぎます 📊 結果・MLA decode(H100)で、拡張予算ではFlashInfer比1.21倍、47ワークロード中36で上回りました・固定4役チームは0.31倍、Claude Codeは約0.5倍で頭打ちでした・GDN prefill(B200)は2.2倍から4.06倍へ、GEMM+AllReduceは1.56倍に伸びました 🔭 意義モデルを変えず、組織の側を適応させることで停滞を抜けられると示した点が重要です。 #AIエージェント #GPUカーネル

2026.11.03 10:14

同じモデルでも「チームの作り方」を進化させるだけで、GPUカーネル最適化が人間の専門家レベルに迫りました🚀 Evolving Agent Teams 📌 概要 UC Berkeleyが提案するEATは、コーディングエージェントのチーム構成(役割・連携・知識管理)を、解と一緒に進化させる手法です。 ⚠️ 解決する課題・エージェントは実装しやすい方向に予算を使い切り、局所最適に陥りがちです・固定チームでは、デバッグ→プロファイリング→設計変更と変わる局面に対応できません 🧬 手法・スーパーバイザーが失敗パターンを診断し、次のチームを設計します・Profiling ScientistやKnowledge Integratorなど、役割をゼロから発明します・永続ファイルシステムで知見と成果を次のチームへ引き継ぎます 📊 結果・MLA decode(H100)で、拡張予算ではFlashInfer比1.21倍、47ワークロード中36で上回りました・固定4役チームは0.31倍、Claude Codeは約0.5倍で頭打ちでした・GDN prefill(B200)は2.2倍から4.06倍へ、GEMM+AllReduceは1.56倍に伸びました 🔭 意義モデルを変えず、組織の側を適応させることで停滞を抜けられると示した点が重要です。 #AIエージェント# #GPUカーネル#