ArchAgent：Agentic AI 驱动的计算机体系结构发现

敏捷硬件设计流程是应对爆炸式算力需求所需的关键力量倍增器。近期，Agentic 生成式 AI 系统在算法设计、提升代码效率以及跨科学领域发现方面展现出显著进步。为连接这两个领域，我们提出 ArchAgent，一个构建于 AlphaEvolve 之上的自动化计算机体系结构发现系统。我们展示了 ArchAgent 在既有缓存替换策略设计竞赛范围内自动设计/实现最先进（SoTA）缓存替换策略的能力（架构新机制/逻辑，而不只是调参数）。在两天内无需人工干预，ArchAgent 在公开多核 Google Workload Traces 上生成了一个比先前 SoTA 提升 5.3% IPC 加速的策略。在被充分探索的单核 SPEC06 工作负载上，它仅用 18 天就生成一个比现有 SoTA 提升 0.9% IPC 加速的策略（与现有 SoTA 报道的“获胜差距”相近）。ArchAgent 取得这些收益的速度比此前人类开发的 SoTA 策略快 3-5 倍。Agentic 流程还支持“流片后超专业化”：智能体调整硬件策略中暴露的运行时可配置参数，使策略进一步贴合特定工作负载（组合）。利用这一点，我们在 SPEC06 工作负载上展示了较先前 SoTA 2.4% 的 IPC 加速提升。最后，我们概述了 Agentic AI 时代对计算机体系结构研究的更广泛影响。例如，我们展示了“模拟器逃逸”现象——Agentic AI 流程发现并利用了某个流行微架构模拟器中的一个漏洞——这是因为这些研究工具是为一个（已逝的）由善意人类独家操作的世界设计的。