arXiv · cs.AI· Geetha Prasuna Yarramneni, Surya Selvam, Wilfried Haensch, Anand Raghunathan·· 1 天前
TraceDSE：面向异构边缘SoC的AI推理工作负载映射与硬件配置选择
Agentic Design Space Exploration for Joint Hardware Configuration Selection and Mapping of AI Inference Workloads on Heterogeneous Edge SoCs
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Geetha Prasuna Yarramneni, Surya Selvam, Wilfried Haensch, Anand Raghunathan
期刊信息（来源提供）：Proceedings of the 2026 ACM/IEEE International Symposium on Machine Learning for CAD (MLCAD '26), September 7-9, 2026, Jeju Island, Republic of Korea. ACM, New York, NY, USA, 8 pages
研究任务与主要进展
TraceDSE是一种用于异构边缘SoC上AI推理工作负载映射与处理器配置选择的智能体设计空间探索方法，基于论文摘要。该方法采用迭代式提议者与批判者循环，由LLM生成候选映射和配置，并用程序化工具分析执行轨迹、定位瓶颈；其在Intel Meteor Lake SoC上的四类推理工作负载测试中，相比NSGA-II和贝叶斯优化，Pareto前沿超体积最高提升35%和68%，硬件评估次数约减少6至9倍。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org