공식화 학습: 점진적 최적화 및 검증을 통한 에이전트 기반 AI 인프라 공동 설계

요약

본 논문은 AI 인프라의 최적화 한계를 극복하기 위해 'Formulaic'이라는 새로운 워크플로우를 제시합니다. 이 방법론은 에이전트가 공식화를 작성하고, 수학적 솔버와 검증 과정이 이를 점진적으로 최적화하며 공동 설계를 수행하는 방식입니다. 실제 연구에서는 NVIDIA GB10 및 Ventus GPU 시뮬레이션에서 성능 개선을 입증했습니다.

핵심 포인트

• AI 인프라의 기존 최적화는 '공식화' 단계에서 잠재적 이득이 배제되는 한계가 있었습니다.
• Formulaic은 에이전트-솔버-검증의 3단계 흐름으로 하드웨어와 소프트웨어 공동 설계를 가능하게 합니다.
• NVIDIA GB10 환경에서 에이전트 템플릿은 Qwen3-8B 레이어를 SGLang 대비 1.075배 빠르게 실행했습니다.
• 공동 설계(joint design)를 통해 최악 시나리오 사이클을 소프트웨어 단독 사용보다 크게 개선하는 결과를 보였습니다.