12:27官方一手arXiv: DeepSeek@Xiangfeng Sun, Ceyu Xu, Ningzhi Ai, Zeyu Zhu, Yiyang Yuan, Yuan Xie74°论文提出一种性能异常驱动的自动研究流程,通过反复询问预取器失败原因,迭代构建混合预取器MoP。该流程消耗1.91亿DeepSeek V4 Pro tokens,并自动合成多个专用子预取器。在SPEC CPU2006和SPEC CPU2017上,MoP相比无预取实现61.1%的几何平均IPC加速。相比人类设计的Alecto、Berti和Pythia,MoP分别高出14.5%、21.6%和23.6%。RTL综合显示其占用110KB存储和0.0347平方毫米面积。论文MoPDeepSeek V4 Pro硬件预取10 个信源在谈事件专题推荐理由:这篇论文让AI Agent自己找预取器失败原因并造新方案,结果比人类设计的Alecto和Berti还强,值得看看。原文稍后读已读值得跟进有用关注 MoP