LLM (Large Language Model) 발견 및 최적화 시스템은 제안-평가-수정 (propose-evaluate-revise) 루프를 구현하며 다양한 도메인에 점점 더 많이 적용되고 있습니다. 이러한 최적화 또는 발견 과정은 환경으로부터 받은 피드백을 바탕으로 한 컨텍스트 조건화 (context conditioning)를 통해 진행됩니다. 그러나 현대의 LLM 에이전트는 구조가 점점 더 복잡해짐에 따라, 어떤 구성 요소가 가장 많이 기여하는지, 그리고 이러한 탐색이 언제 어떻게 실패할 수 있는지를 평가하기가 어렵습니다. 우리는 세 가지 통제된 실험을 통해 이러한 질문에 답합니다. 우리의 연구 결과는 다음과 같습니다: (1) 순수 블랙박스 (black-box) 최적화에서 LLM은 탐욕적 최적화 도구 (greedy optimizers)로 작동합니다. (2) 제로샷 (zero-shot) 커널 생성에서 명시적인 입력 크기 정보를 제공하는 것은 측정 가능한 효과가 없으며, 모델은 크기나 온도 (temperature)에 관계없이 마치 크기 지침이 보이지 않는 것처럼 동일한 커널 파라미터로 수렴합니다. 또한, 흔하지 않은 커널 크기에 대해 커널 최적화를 수행하도록 과업을 부여했을 때, 사용된 언어와 관계없이 성능이 급격히 저하됩니다. (3) 피드백 루프 (feedback-loop) 커널 최적화에서 CUDA는 반복적인 피드백 하에 단조롭게 개선되는 반면, TVM IR은 적극적으로 저하되는데, 이는 모델이 저밀도 언어 (low-density language)로 작동할 때 커널 최적화 성능이 떨어진다는 것을 보여줍니다. 우리의 결과는 코드 최적화 작업에서 LLM이 제공된 피드백이나 에이전트 구조보다는 사전 학습된 사전 지식 (pretrained priors)에 크게 의존한다는 결론을 내립니다.