KI News: Kurz und klar.

Forscher haben ein neues Tool namens RuleFlow vorgestellt, das Pandas-Programme deutlich schneller macht.

Der seit den 1970er Jahren bekannte Phase‑Ordering‑Wettbewerb bleibt ein offenes Problem, weil die Optimierungs­landschaft riesig und unbeschränkt ist. Traditionell werden die Entscheidungen von Hand programmiert und müssen bei jeder Änderung der Benchmark‑Suite neu abgestimmt werden.

Im rasch wachsenden Feld der künstlichen Intelligenz verschiebt sich die Kluft zwischen hochrangigen Domain-Operationen und effizienter Hardwareausnutzung weiter. Um nahezu Spitzenleistung zu erreichen, benötigen Anwender immer noch tiefgreifendes Fachwissen: entweder werden spezialisierte Kernels von Hand geschrieben oder auf komplexe Bibliotheken zurückgegriffen. Beide Ansätze erhöhen die Komplexität und erschweren die Skalierbarkeit für die Mehrheit der ML-Praktiker.

Mit dem neuen Compiler FuseFlow wird die Verarbeitung von sparsamen Deep‑Learning‑Modellen auf reconfigurable Dataflow‑Architekturen (RDAs) revolutioniert. Der Ansatz wandelt PyTorch‑Modelle in optimierte, gefusionierte Datenflussgraphen um, die speziell für sparsames Rechnen ausgelegt sind.

In den letzten Jahren haben end‑to‑end Large Language Models (LLMs) in vielen Bereichen bemerkenswerte Fortschritte erzielt. Besonders spannend ist die Frage, ob diese Modelle auch als vollständiger Compiler fungieren können – ein Thema, das bisher kaum erforscht wurde.

Das neueste Update von IREE, dem MLIR‑basierten Compiler und Laufzeit für maschinelles Lernen, bringt erstmals vollständigen RISC‑V‑Microkernel‑Support. Durch die gezielte Umwandlung von MLIR‑Linalg‑Kernkontraktionsoperationen in die linalg.mmt4d‑Operation für die RISC‑V64‑Architektur wird die Pass‑Pipeline von IREE erweitert. Anschließend wurden speziell optimierte Microkernels für RISC‑V entwickelt, die die Ausführungsgeschwindigkeit signifikant erhöhen.