Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
GitHubAI 번역요약
단일 CPU 코어 행렬 곱셈 벤치마크
본 리포지토리는 단일 CPU 코어에서 행렬 곱셈(SGEMM) 벤치마크를 수행하는 라이브러리 및 코드 생성 스택을 제공합니다. 기계 학습 워크로드에 초점을 맞추고 FP32 등 다양한 정밀도와 불규칙한 크기의 행렬 처리를 다룹니다. 이를 통해 고효율의 원자적 커널 성능을 측정하고, 이를 기반으로 분산 시스템 전반에 걸친 상위 레벨 구현체를 구축하는 것을 목표로 합니다.
2일 전0
GitHubAI 번역요약
KUtrace: 다중 코어 프로세서의 실행 시간을 관찰하는 리눅스 커널 트레이싱 시설
KUtrace는 다중 코어 프로세서의 모든 실행 시간을 낮은 오버헤드로 관찰할 수 있는 Linux 커널 트레이싱 시설입니다. 이 기술은 사용자 프로그램이 수정 없이 동작하는 동안에도 빠짐없이 추적하여, 라이브 데이터센터나 실시간 자율 주행 시스템에서 발생하는 예상치 못한 지연 응답의 근본 원인을 찾는 데 사용됩니다.
2일 전0
GitHubAI 번역요약
신경망 가속 연구 스터디 시즌 #1
본 자료는 '신경망 가속(neural network acceleration)'에 대한 심층 연구 스터디를 제공합니다. CPU, GPU, FPGA, ASIC, NPU, PIM 등 다양한 하드웨어 아키텍처에서 신경망의 효율적인 가속화 원리를 다룹니다. 특히 이종 시스템 최적화, 저전력 추론, 메모리 내 처리(PIM) 등의 주제를 중심으로 논문 자료들을 정리했습니다.
5일 전1
GitHubAI 번역요약
bn128 커브를 목표로 하는 FPGA SNARK 증명기
본 프로젝트는 Ethereum의 일환으로 FPGA를 활용하여 zk-SNARK 증명 생성 속도를 가속하는 아키텍처를 개발했습니다. bn128 커브 산술, 다중 지수화(multiexp), QAP 평가 등 핵심 연산을 FPGA에 오프로드하는 방법을 구현하고 AWS 환경에서 시연했습니다.
5일 전1
GitHubAI 번역요약
FPGA 기반 SNN의 STDP 학습 알고리즘 가속화 프로젝트
본 프로젝트는 스파이크 신경망(SNN)의 STDP 학습 알고리즘을 FPGA로 가속화하는 연구를 다룹니다. MNIST 데이터셋 기반으로 숫자 인식 기능을 목표하며, Leaky Integrate-and-Fire 뉴런과 측면 억제 기법을 활용합니다.
5일 전1
GitHubAI 번역요약
자연어만으로는 부족하다: Verilog 생성을 위한 멀티모달 생성 AI 벤치마킹
본 문서는 Verilog 코드 생성을 위한 멀티모달 생성 AI 모델의 성능을 벤치마킹하는 방법을 제시합니다. 산술, 디지털, 고급 회로 등 세 가지 종류의 설계를 포함한 다양한 설계 클래스를 활용하며, 이미지와 상세 설명 같은 복합적인 입력을 통해 모델의 능력을 평가합니다.
5일 전1
GitHubAI 번역요약
zhongkaiyu/ChipBench
이 리포지토리는 Verilog 생성, 디버깅, 레퍼런스 모델링을 아우르는 종단 간(end-to-end) 평가 프레임워크를 제공합니다. LLM 기반의 다양한 Verilog 코딩 작업을 지원하며, OpenAI, Gemini 등 여러 백엔드를 통해 성능을 측정할 수 있습니다.
5일 전1
GitHubAI 번역요약
robotperf/benchmarks
RobotPerf는 로보틱스 컴퓨팅 성능을 객관적이고 공정하게 평가하기 위해 설계된 오픈 레퍼런스 벤치마킹 스위트입니다. ROS 2를 기반으로 하며, CPU, GPU, FPGA 등 다양한 컴퓨팅 가속기를 포괄하여 하드웨어와 소프트웨어를 아키텍처 중립적으로 테스트할 수 있게 합니다.
5일 전2
GitHubAI 번역요약
SSR: 트랜스포머 가속을 위한 지연 시간-처리량 상충 관계를 고려한 공간 순차 하이브리드 아키텍처
본 논문은 트랜스포머 모델 가속을 위해 지연 시간(Latency)과 처리량(Throughput) 간의 상충 관계를 고려한 새로운 공간 순차 하이브리드 아키텍처인 SSR을 제안합니다. 이 아키텍처는 FPGA 환경에서 효율적인 구현을 목표로 하며, 트랜스포머 가속 성능 향상에 기여할 것으로 기대됩니다.
5일 전1
GitHubAI 번역요약
SoftMC v1.0
SoftMC는 DDR3 SODIMM의 테스트 개발에 사용되는 FPGA 기반 메모리 컨트롤러 설계입니다. 이 시스템은 HPCA 2017 논문으로 발표되었으며, 빠른 설치를 위한 사전 빌드 바이너리와 수정 가능한 소스 코드(Verilog/C++)를 제공합니다. 다만, 현재는 Xilinx ML605 보드만 지원하며, 사용 시 RIFFA 드라이버 설치가 필수적입니다.
6일 전1
GitHubAI 번역요약
MLX 대 PyTorch 비교 벤치마크
본 문서는 Apple Silicon 환경에서 인기 AI 프레임워크인 MLX와 PyTorch의 성능을 비교하는 벤치마크 결과를 제시합니다. 트랜스포머 학습, BERT 파인튜닝, Whisper 추론 등 다양한 시나리오를 테스트했으며, M3 Max 같은 최신 장비에서 MLX가 전반적으로 더 빠른 성능을 보여주었습니다.
10월 9일1
GitHubAI 번역요약
StringZilla 성능 비교를 위한 레포지토리 소개
본 문서는 문자열 처리 라이브러리 StringZilla의 성능을 비교 분석한 레포지토리를 소개합니다. C, C++, CUDA 등 다양한 언어와 기존 Rust 프로젝트(memchr, rapidfuzz 등)를 대상으로 핵심 연산의 처리량(throughput)을 측정했습니다. 특히 AVX-512 및 SVE 같은 최신 SIMD 명령어 지원 하드웨어에서 성능 테스트가 이루어졌으며, H100/Blackwell GPU와 Sapphire Rapids CPU 환경에서의 결과를 제시합니다.
10월 9일1
GitHubAI 번역요약
QMCPACK: 다체론 근사 계산을 위한 오픈소스 Quantum Monte Carlo 코드
QMCPACK은 원자, 분자, 고체 등의 전자 구조를 계산하는 오픈 소스 다체론(many-body) Quantum Monte Carlo 코드를 제공합니다. 이 코드는 금속 및 절연체 시스템 모두에 적용 가능하며, 워크스테이션부터 슈퍼컴퓨터까지 높은 성능과 재현성을 목표로 합니다. 사용자들은 공식 문서를 통해 설치 가이드와 초기 계산 방법을 확인할 수 있으며, 최신 릴리스는 GitHub에서 제공됩니다.
10월 9일1
GitHubAI 번역요약
FPGA용 Verilog 기반 LeNet-1 CNN 가속기 오픈 소스
본 문서는 손글씨 숫자 인식에 사용되는 LeNet-1 CNN 가속기를 FPGA용 Verilog 기반으로 구현하는 방법을 설명합니다. Vivado 툴을 사용하여 여러 모듈(Conv3D, FC 등)과 메모리 파일을 프로젝트에 추가하고, 시뮬레이션 설정을 조정하여 동작시키는 구체적인 개발 과정을 안내합니다.
10월 7일1
GitHubAI 번역요약
UCLA-VAST/minimap2-acceleration
본 논문은 게놈 시퀀싱에서 시간이 많이 소요되는 리드 쌍 간의 오버랩 감지 과정을 가속화하는 방법을 제시합니다. 체이닝 알고리즘을 하드웨어 친화적으로 변환하고, HLS를 이용해 FPGA 파이프라인 아키텍처로 매핑하여 성능 향상을 달성했습니다. 이 오픈 소스 저장소는 FPGA, GPU(CUDA), CPU 코드를 모두 제공합니다.
10월 7일2
GitHubAI 번역요약
Qwen/Qwen3-VL-4B-Instruct의 HuggingFaceM4/DocumentVQA 벤치마크 개선을 위한 자율 연구 루프
이 저장소는 에이전트 기반 학습(agentic training research)을 위한 프레임워크를 제공합니다. Qwen/Qwen3-VL-4B-Instruct 모델을 사용하여 DocumentVQA 벤치마크의 성능 개선을 목표로 합니다. 에이전트는 `train.py` 파일을 반복적으로 수정하며, 재현 가능한 루프를 통해 검증 점수(val_score) 최대화를 시도합니다.
10월 7일1
GitHubAI 번역요약
효율적인 모델을 위한 구조적 기법
본 자료는 범용 LLM을 특정 작업에 최적화된 초고효율 SLMs로 재설계하는 구조적 기법들을 다룹니다. 깊이/너비 가지치기, 지식 증류 등 핵심 방법론을 소개하며, Llama, Gemma 같은 오픈 소스 모델에 적용할 수 있는 실습 파이프라인을 제공합니다.
10월 6일2
GitHubAI 번역요약
hummingbird: 대규모 오픈소스 Mixture of Experts (MoE) 언어 모델을 위한 경량 런타임
hummingbird는 대규모 오픈소스 Mixture of Experts (MoE) 언어 모델을 위한 경량의 런타임입니다. 이 런타임은 SSD, RAM, VRAM을 통합한 지능형 메모리 계층을 활용하여 GPT-OSS 120B, GLM, DeepSeek 등 대규모 MoE 모델들을 일반 소비자 하드웨어에서도 효율적으로 추론할 수 있게 합니다.
9월 27일1
GitHubAI 번역요약
SNU-ARC/any-precision-llm
Any-precision LLM은 다양한 비트 너비로 양자화된 여러 LLM을 단일 모델의 메모리 공간에 중첩하여 배포하는 효율적인 솔루션입니다. incremental upscaling 기술과 비트플레인 기반의 커스텀 CUDA 커널을 통해 메모리 점유 공간과 비용을 획기적으로 절감합니다.
7월 1일2
GitHubAI 번역요약
가산 양자화(Additive Quantization)를 통한 대규모 언어 모델(LLM)의 극한 압축을 위한 공식 PyTorch 구현체
가산 양자화(AQLM)를 통해 LLM을 극한으로 압축하는 공식 PyTorch 구현체와 PV-tuning 알고리즘을 소개합니다. 1비트 수준의 초저비트 양자화에서도 높은 정확도를 유지하며, Llama 및 Mistral 모델군에 적용 가능합니다.
6월 20일1