AI智能体理解计算机体系结构吗？

智能体越来越多地被要求设计硬件，也越来越多地被报道成功。这些报告能确认设计得到改善，却不能确认原因。改进加速器的智能体可能在推理机器结构，也可能只是熟练搜索从未理解含义的调节参数；只有前者能够迁移到下一种架构。现有评估保持问题表述固定而改变智能体，无法区分二者。我们反过来：AutoTuring把同一个15维加速器空间两次交给同一智能体，一次是带名称的架构参数和模拟器计数器，一次是[0,1]上的匿名变量，同时保持评估器、合法空间与可达最优值完全相同，使唯一变化是问题是否具有意义。两者差距就是测量对象。在九种FP16 GEMM内核组合上，语义带来收益：架构智能体平均比建模的H200高5.4%，比盲搜对应体高12.3%，同时少用70.1%的模拟器调用。但这不是独有收益：批评循环能为盲搜智能体恢复大部分差距，却没有给架构智能体带来收益，说明架构知识与结构化批评表现为替代而非互补。我们把这些作为初步发现报告：每种条件仅有五到六次运行，且只针对一个建模加速器；贡献在于比较方法本身，而非加速器。