멀티 에이전트로 TPU 커널을 짜고 하드웨어에서 바로 측정합니다 | DAKER 커뮤니티

2026년 9월 3일 MaxKernel 논문이 arXiv에 공개되었습니다. 가속기용 고성능 커스텀 커널 작성은 하드웨어 전문성이 필요하고, LLM과 실시간 컴파일러 피드백으로 커널 생성 에이전트 시스템을 만들 수 있다고 적습니다. MaxKernel은 TPU 커널 개발용 멀티 에이전트로, 패러다임 3종을 둡니다. HITL 협업, 완전 자동 metric/trace 최적화 루프, 그래프 기반 자율 탐색입니다. 계획·구현·자기디버그·테스트·하드웨어 프로파일링 전담 서브에이전트 풀을 공유합니다. 평가는 JaxBench TPU 커널 과제 50종과 최신 오픈소스 모델의 실제 워크로드입니다. 초록은 전문가 손튜닝 베이스라인에 맞추는 최적 구현을 꾸준히 생성한다고 보고합니다. 에이전트는 오픈소스로 공개했다고 적으며, 초록에 GitHub 경로가 있습니다.

논문은 2026-09-03 arXiv에 올라왔습니다. 초록은 arXiv:2609.04523에서 확인할 수 있습니다. 영문 제목은 MaxKernel: Agentic Kernel Generation for TPUs입니다. 저자는 Shangkun Wang, Nina Cai, Charles Hoong, Julian Walker, Gerson Kroiz, George Vanica, Deepak Patil, Andi Gavrilescu 외입니다. PDF는 같은 번호의 pdf입니다. 오늘 본문은 초록에서 확인한 범위만 옮깁니다. 없는 숫자는 쓰지 않습니다.

커널 생성을 에이전트로 묶는 이유

초록은 가속기용 고성능 커스텀 커널 작성이 하드웨어 수준의 전문성을 요구하는 복잡한 일이라고 적습니다. LLM을 실시간 컴파일러 피드백과 함께 쓰면 커널 생성용 에이전트 시스템을 만들 수 있다고 적습니다. MaxKernel은 그 시스템을 TPU에 맞춘 멀티 에이전트로 제시합니다.

패러다임은 세 가지입니다. 첫째는 Human-in-the-Loop(HITL)로, 단계별 협업 설계입니다. 둘째는 Autonomous(Auto)로, metric/trace 기반 완전 자동 최적화 루프입니다. 셋째는 Graph-Based Autonomous Search로, Auto 에이전트를 설계 공간 전역 탐색으로 확장합니다. 세 패러다임 모두 계획·구현·자기디버그·테스트·하드웨어 프로파일링을 맡은 전담 서브에이전트 풀을 공유한다고 적습니다.

DACON·DAKER에서 가속기 데모를 낼 때도, “커널을 생성했다”와 “하드웨어에서 프로파일했다”를 같은 줄에 두지 마십시오. 측정이 없는 생성만으로 성능을 주장하지 않습니다.

JaxBench 50종과 실제 워크로드

평가는 JaxBench라는 TPU 커널 과제 50종 모음과, 최신 오픈소스 모델에서 나온 복잡한 실제 워크로드를 함께 씁니다. 초록은 MaxKernel이 고도로 최적화된 구현을 꾸준히 생성하며, 전문가 손튜닝 베이스라인에 맞추고 벤치 전반에서 유의한 성능을 낸다고 보고합니다. 이 문장은 초록의 표현을 그대로 둡니다. 퍼센트나 배속을 새로 만들지 않습니다.

초록은 에이전트가 오픈소스이며 GitHub 경로를 적습니다. 경로는 AI-Hypercomputer/accelerator-agents 아래 MaxKernel입니다. 해커톤 README에 숫자를 옮길 때는 “JaxBench TPU 과제 50종”, “패러다임 3종(HITL·Auto·Graph Search)”, “서브에이전트 역할 5종(계획·구현·자기디버그·테스트·하드웨어 프로파일)”만 한 줄에 고정합니다.

빌더 팀에 옮기는 점검

커널 생성 로그에 컴파일러 피드백, metric, trace, 하드웨어 프로파일 결과를 같은 실행 ID로 묶습니다. HITL인지 Auto인지 Graph Search인지 설정 파일에 고칩니다. JaxBench 과제 이름과 실제 워크로드 이름을 결과 CSV 첫 열에 둡니다.

전문가 손튜닝 베이스라인 대비를 주장할 때는 초록에 없는 배속을 만들지 마십시오. 서브에이전트 역할을 프롬프트 한 줄에 섞지 말고 파일로 나눕니다. API 키와 클러스터 자격 증명을 공개 저장소에 넣지 않습니다.

DAKER 월간 해커톤 데모라면 배포 주소와 함께 “측정 환경(TPU)”과 “패러다임 이름”을 README 상단에 둡니다. 초록에 적힌 GitHub만 링크합니다. 배포가 제출입니다. 올린 링크가 제출입니다.

세 패러다임과 공유 서브에이전트

HITL은 협업하며 단계별로 설계합니다. Auto는 metric/trace 기반 완전 자동 최적화 루프입니다. Graph-Based Autonomous Search는 Auto를 설계 공간 전역 탐색으로 확장합니다. 세 패러다임 모두 계획·구현·자기디버그·테스트·하드웨어 프로파일링 전담 서브에이전트 풀을 공유한다고 적습니다.

평가는 JaxBench TPU 커널 과제 50종과 최신 오픈소스 모델의 실제 워크로드를 함께 씁니다. 초록은 고도로 최적화된 구현을 꾸준히 생성하며 전문가 손튜닝 베이스라인에 맞추고 벤치 전반에서 유의한 성능을 낸다고 보고합니다. 퍼센트나 배속을 새로 만들지 않습니다.

초록은 에이전트가 오픈소스라고 적으며 GitHub 경로를 둡니다. 링크는 초록에 적힌 AI-Hypercomputer/accelerator-agents 아래 MaxKernel만 씁니다. 없는 주소를 만들지 마십시오.

커널 생성만으로 성능을 주장하지 않습니다. 컴파일러 피드백과 하드웨어 프로파일을 같은 실행 ID로 묶습니다. 패러다임 이름과 JaxBench 과제 이름을 결과 CSV 첫 열에 둡니다.

가속기용 고성능 커스텀 커널 작성은 하드웨어 전문성이 필요하다고 적습니다. LLM과 실시간 컴파일러 피드백을 결합하면 에이전트 시스템을 만들 수 있다고 적습니다. TPU 범위를 넘는 주장을 이 글에서 하지 않습니다.

이 글이 아닌 것입니다

모든 TPU 커널에서 전문가 베이스라인을 이긴다는 보증이 아닙니다. 초록이 보고한 JaxBench 50종과 실제 워크로드 범위만 옮깁니다.

GPU·다른 가속기에 바로 적용된다는 뜻이 아닙니다. 제목과 본문이 TPU 커널 생성을 대상으로 둡니다.

HITL이 Auto보다 항상 낫다는 뜻이 아닙니다. 세 패러다임을 나란히 소개한 초록만 옮깁니다.

DACON·DAKER 공식 성능 공지가 아닙니다. 빌더가 옮길 수 있는 방법 안내입니다.

숫자만 다시 고정합니다

오늘 본문은 초록 범위만 옮깁니다. 없는 숫자는 쓰지 않습니다. 위 절에 적은 계정·과제·통과율·개선폭·벤치 이름만 표에 남깁니다. DACON 알고리즘 대회와 DAKER 바이브코딩 해커톤 README에 옮길 때도 같은 표 형식을 씁니다. 배포가 제출입니다. 올린 링크가 제출입니다. 초록에 없는 GitHub 주소를 만들지 마십시오. API 키를 프롬프트나 공개 저장소에 넣지 않습니다. 평가 설정 파일과 결과 CSV 첫 열에 벤치 이름과 분할 이름을 고정합니다. 거절·통과·편집 크기·닫힌 루프 점수를 한 줄에 섞지 마십시오. 팀 회의 메모 첫 줄에 arXiv 번호와 제출일을 적습니다.

빌더가 오늘 점검할 공통 항목은 다음과 같습니다. 초록과 PDF를 같은 탭에 둡니다. 출처 링크는 abs와 pdf만 둡니다. 합니다체로 내부 메모를 쓰고, 없는 성능을 만들지 않습니다. 선택 배치와 전수 배치, 학습 하네스와 평가 하네스, 인식과 행동처럼 초록이 나눈 축을 표에서 합치지 않습니다. 데모 주소와 설정 파일을 함께 올립니다.

오늘 할 일

첫째, 초록과 PDF를 직접 여십시오. arXiv:2609.04523와 pdf를 같은 탭에 둡니다. 제출일 2026-09-03을 메모 첫 줄에 적습니다.

둘째, 패러다임 3종을 표로 나누십시오. HITL·Auto·Graph Search를 서로 다른 열에 둡니다.

셋째, 서브에이전트 역할 5종을 체크리스트로 만드십시오. 계획·구현·자기디버그·테스트·하드웨어 프로파일을 점검합니다.

넷째, JaxBench 50종 평가 목록을 봉인하십시오. 과제 이름을 결과 CSV에 고정합니다.

다섯째, 컴파일러 피드백과 하드웨어 측정을 같은 실행 ID로 묶으십시오. 생성만으로 끝내지 않습니다.

여섯째, 초록의 GitHub 경로만 링크하십시오. 없는 주소를 만들지 않습니다.

일곱째, 데모와 측정 로그를 공개 주소로 올리십시오. 배포가 제출입니다. 올린 링크가 제출입니다.

출처: arXiv:2609.04523 — MaxKernel: Agentic Kernel Generation for TPUs (2026-09-03) · PDF