تطلب النوى عالية الأداء لوحدات معالجة الرسوميات (GPUs) تقنيات متقدمة لتقليل تكاليف الحوسبة المتزايدة بسبب نماذج اللغات الضخمة (Large Language Models - LLMs). يعتمد تطوير هذه النوى بشكل كبير على التعديل اليدوي الذي يقوم به خبراء المجال، ولكن في ظل التطورات الحديثة نقوم بتقديم مشروع EGG - إطار عمل لتوليد النوى مستند إلى خبرات المتخصصين.

يهدف إطار EGG إلى تجاوز القيود السابقة لأساليب النماذج القائمة على LLM عن طريق دمج مبادئ التحسين الخاصة بالخبراء في عملية اتخاذ القرار. يعتمد الإطار على تفكيك عملية إنشاء النوى إلى مرحلتين رئيسيتين: الأولى هي تصميم هيكل الخوارزميات والتي تسهم في إنشاء أساس قوي لمجموعة مؤشرات حسابية عالية الجودة، والثانية تتعلق بضبط التفاصيل الخاصة بالعتاد لتحقيق التعديلات المستهدفة.

تميز EGG بآلية تعاون متعددة العملاء تعزز إدارة السياقات عبر مختلف المراحل، مما يضمن مسارات تحسين مستقرة. تشير التجارب على مجموعة KernelBench ومتطلبات العمل الحقيقية إلى أن EGG قد حقق متوسط زيادة في السرعة بمقدار 2.13 مرة مقارنة بـ PyTorch، متفوقًا على الأساليب الشائعة القائمة على العملاء أو التعلم المعزز.

مع EGG، نشهد تحولًا في كيفية تطوير النوى بشكل سريع وفعال، مما يمثل خطوة هائلة نحو تحسينات جديدة في حقل الذكاء الاصطناعي.