컴파일러 단계 순서 결정 (Compiler phase ordering)은 프로그램 성능에 강력한 영향을 미칩니다. 탐색 공간이 방대하고 실행 시간, 코드 크기 및 에너지 소비가 종종 상충하기 때문에 효과적인 패스 (pass) 시퀀스를 찾는 것은 여전히 어려운 과제입니다. 기존 방법들은 대개 고정된 최적화 레벨 (optimization levels)이나 제한된 휴리스틱 (heuristics)에 의존하며, 여러 목적을 동시에 처리하는 경우는 드뭅니다. 본 논문은 컴파일러 단계 순서 결정을 다중 목적 최적화 (multi-objective optimization) 문제로 모델링하는 모듈형 프레임워크인 MileStone을 제시합니다. MileStone은 프로그램을 그래프로 표현하고, 그래프 신경망 (Graph Neural Network, GNN)을 통해 성능 지표를 예측하며, 사용자 제약 조건을 따르는 강화학습 (Reinforcement-Learning, RL) 에이전트를 통해 패스 시퀀스를 탐색합니다. 또한 이 프레임워크는 컴파일러 변환 (compiler transformations)을 수집하고 예측 품질을 향상시키는 자기 진화형 데이터베이스를 구축합니다. 표준 벤치마크에 대한 실험 결과, MileStone은 강력한 파레토 최적 (Pareto-optimal) 솔루션을 찾아내며, LLVM 최적화 레벨 및 기타 관련 기술보다 에너지 제한을 더 정확하게 충족함을 보여줍니다. MileStone은 다중 목적 접근 방식을 사용하여 동일한 에너지 예산 하에서 실행 시간을 최대 45%까지 단축합니다. 이러한 결과는 MileStone이 다중 목적 컴파일러 단계 순서 결정을 위한 효과적이고 확장 가능한 솔루션을 제공함을 입증합니다.