Hawk框架突破NPU内核生成瓶颈，硬件感知知识驱动性能飞跃

近日，arXiv平台发布了一项针对神经网络处理器（NPU）内核生成的重要研究。当前，为NPU开发高性能内核是行业关键瓶颈，开发者需手动处理隐式硬件约束和严格内存层次，而大型语言模型因缺乏硬件特定先验知识，在NPU上表现不佳。

为解决这一问题，研究团队提出Hawk框架，这是一个无需训练的硬件感知知识驱动系统。该框架包含三个核心模块：运行时知识合成模块采用三重可执行知识表示，将错误上下文与可执行语义紧密结合；瓶颈感知知识检索模块实现二维检索范式，将查询投影到正交的句法和硬件对齐语义空间；效果驱动知识蒸馏模块利用LLM驱动的语义仲裁，基于实际执行反馈持续提炼知识。

在真实NPU工作负载上的广泛评估显示，Hawk将生成准确率从49.4%显著提升至80.0%，同时相比最先进的基线方法，执行速度最高提升2.2倍。这一突破性进展为自动化NPU内核开发提供了新思路，有望大幅降低开发门槛并提升硬件利用效率。