论文
MicroEvo：用知识引导LLM采样以高效探索微架构设计空间
MicroEvo: Knowledge-Guided LLM Sampling for Efficient Microarchitecture Design Space Exploration
摘要
微架构设计空间探索因庞大的搜索空间和昂贵的PPA评估而受限，仅留下有限的仿真预算用于决策。现有方法进行盲目的搜索，不考虑微架构依赖关系，并且无法有效地从迭代搜索中学习，导致评估浪费和弱的帕累托收敛性。在这篇论文中，我们提出MicroEvo，这是一种知识引导的框架，结合了现成的LLMs与蒙特卡洛树搜索（MCTS）进行多目标微架构优化。MicroEvo结合LLM驱动的进化操作、一个平衡帕累托贡献和多样性的Pareto-aware决策树策略、一个提取并重用优化见解的主动知识积累机制以及在线适应搜索行为的状态感知指令。实验结果表明，MicroEvo在NSGA-II上提高了36.2%的帕累托前沿质量，并且实现了10.6倍更高的搜索效率，同时也展示了对复杂工业规模核心的良好扩展性。代码仓库位于：https://github.com/GEAR-SEU/MicroEvo-ICCAD-26
