Maxaa dhacay
Cilmi baadhayaashu waxay soo bandhigeen DataKernelBench, oo ah halbeeg lagu tijaabinayo in moodooyinka luqadaha waaweyni ay wanaajin karaan hawlgallada xog-ururinta-culus ee GPU-yada aan joogto ahayn. Nidaamku wuxuu u tarjumaa su'aalaha SQL barnaamijyada PyTorch TorchPlan ee la ansaxiyay, ka dib wuxuu qiimeeyaa moodooyinka marka ay wanaajiyaan mid ka mid ah qaybta koodhka ku xiran tensor-ka ama weydiinta buuxda ee CUDA ama Triton.
Waraaqda, oo loo gudbiyay arXiv Agoosto 25, 2026 oo lagu aqoonsaday isha sida laga aqbalay EMNLP 2026, waxay soo bandhigaysaa DataKernelBench qiimeyn gaar ah oo AI-soosaaray tayaynta xog-ururinta ee GPU-yada. Qorayaashu waxay ku doodayaan in bartilmaameedyada kernel LLM ee jira aysan si ku filan u tijaabin hawl wadeenada qaab database-ka, kuwaas oo noqon kara kuwo aan joogto ahayn, kala duwanaansho ah oo ay ku badan yihiin dhaqdhaqaaqa xogta. Taasi waxay ka dhigeysaa bartilmaameedka bartilmaameedka inuu ka duwan yahay hawl-wadeennada caadiga ah ee inta badan loo isticmaalo si loo qiimeeyo koodhka GPU-ga ee la soo saaray.
DataKernelBench waxay u beddeshaa SQL barnaamijyada PyTorch TorchPlan la ansaxiyay. Moodooyinka ayaa markaa la waydiistaa inay wanaajiyaan qayb ka mid ah xudunta tensor-ku-xidhan ama dhammaan waydiinta, iyadoo la adeegsanayo CUDA ama Triton. Qiimaynta waxaa ku jira dayactirka lagu hagayo fulinta, taasoo la micno ah in barnaamijyada la soo saaray la tijaabiyay oo dib loo eegay iyadoo jawaab celin laga helayo fulintooda. Abstract ayaa sheegaysa in daraasaddu ay daboosho toban nooc oo lahaanshaha ah iyo kuwa furfuran ee culeyska shaqada ee TPC-H SF10 iyadoo la adeegsanayo H100 GPU.
According to the paper’s reported results, the strongest full-query CUDA configuration achieved a 2.11× speedup over the comparison baseline at full pass rate. Isha ma daaha ka qaadayso magaca gundhigga sababtoo ah nuxurka waxa ku jira xidhiidh khaldan oo ku jira booskaas, markaa barta tixraaca saxda ah lagama aqoonsan karo walxaha la keenay. Qorayaashu waxay kaloo ka warbixiyeen kordhin baaxad weyn: TorchPlan waxaa lagu daray Dask-cuDF xogta ka weyn xusuusta GPU, iyo TPC-H SF100 iyadoo la adeegsanayo afar H100 GPUs, nidaamku wuxuu gaaray 2.54 × xawaaraha la soo sheegay.
Isku soo wada duuboo, habayntu waxay qeexaysaa isku xigxiga matalaada waydiinta ilaa fulinta barnaamijka iyo waxqabadka la soo sheegay. Gelitaanka SQL waxa loo metelayaa barnaamij TorchPlan ah oo la ansaxiyay, halka bartilmaameedka tayaynta uu noqon karo qayb dhexe oo ku xidhan tensor-ka ama weydiinta buuxda. Natiijooyinka qaab-dhismeedka looma dhaqmo si dhammaystiran oo keliya sababtoo ah waa la qoray; qiimayntu waxay isticmaashaa dayactirka lagu hagayo fulinta si loo tijaabiyo oo dib loogu eego barnaamijyada iyada oo loo marayo jawaab celin ka timid fulinta. Qalabka iyo goobaha culayska shaqada ayaa sidoo kale qayb ka ah tijaabada la soo sheegay: abstraction-ku waxa uu qeexayaa toban nooc oo lahaanshaha iyo kuwa furfuran, culayska shaqada ee TPC-H SF10, iyo H100 GPU. Waxay si gooni ah u qeexaysaa TorchPlan-weyn iyo qaabaynta Dask-cuDF ee TPC-H SF100 oo leh afar H100 GPUs. Qaab dhismeedkaas dhexdiisa, xawaaraha la soo sheegay waa natiijooyinka qaabaynta la sheegay iyo xaaladda gudbinta, halka isku xirka asalka khaldan uu ka tagayo tixraaca isbarbardhigga oo aan lagu magacaabin isha la bixiyay. Tani waa baaxadda waxa aan la taaban karo ka bixinayo bar-tilmaameedka iyo qiimaynteeda la soo sheegay. Sharaxaadda ayaa markaa tilmaameysa walxaha la wanaajiyey, doorashooyinka barnaamijka, habka dayactirka, culeyska shaqada ee la qiimeeyay, goobaha qalabka, iyo labada natiijadood ee waxqabad ee la soo sheegay, laakiin kuma darto tafaasiil ka baxsan kuwa la soo bandhigay.
Faahfaahinta isha: arxiv.org ↗
Maxay muhiim u tahay
Shaqadu waxay wax ka qabanaysaa farqiga u dhexeeya jaangooyooyinka codaynta LLM ee jira, kuwaas oo ay qorayaashu sheegeen inay si weyn diiradda u saareen hawl-wadeennada barashada mashiinka halkii ay ka ahaan lahaayeen culayska shaqada ee xogta xogta. Haddii natiijooyinka la soo sheegay ay ku hayaan culaysyo shaqo oo ballaadhan, moodooyinka luqaddu waxay noqon karaan kaaliyeyaasha waxtarka leh ee injineernimada kernel-ka ee gaarka ah ee loo baahan yahay si loo sameeyo xog-dardargelinta GPU-da.
Muhiimadda la taaban karo ayaa ah in waxqabadka xog ururinta inta badan uu ku xiran yahay culeyska shaqada-doorashooyinka fulinta ee gaarka ah, ma aha oo kaliya xulashada nidaam ujeedo guud oo degdeg ah. Sheegashada dhexe ee warqadu waa in LLMs ay ka qayb qaadan karaan nidaamkan tayaynta khaaska ah iyaga oo soo saaraya oo dayactiraya barnaamijyada GPU ee su'aalo dhamaystiran. Taasi waxay ka dhigaysa moodelku inuu u dhaw yahay qaab dhismeedka culayska shaqo ee xogta dhabta ah marka loo eego bartilmaameedka qiimaynaya kernels-barashada mishiinada.
Natiijooyinka la soo sheegay ayaa sidoo kale tilmaamaya kala qaybinta shaqada ee u dhaxaysa awoodda moodeelka iyo macluumaadka culeyska shaqada. Qorayaashu waxay yiraahdeen fulinta waxqabadka sare waxay caadi ahaan adeegsadaan isku-dhafka kernel iyo isbeddellada istiraatiijiyadda fulinta. Waxay kaloo ka warbixiyaan in culeyska shaqadu uu ka muhiimsan yahay macnaha guud ee qalabka, iyo in moodooyinka xooggani ay inta badan ka faa'iideystaan takhasuska weydiinta buuxda. Marka la eego wax ku ool ah, natiijadu waxay soo jeedinaysaa in bixinta moodeelka sharaxaad faahfaahsan oo ku saabsan weydiinta iyo xogteeda ay muhiim u tahay in ka badan si fudud loo qeexo GPU-da kaas oo koodku ku socon doono.
Natiijooyinku waa natiijo ahaan sida jihada cilmi-baarista, laakiin ma aha caddayn in injineernimada xogta lagu farsameeyay wax soo saarka. Isha ayaa qeexaysa bar-tilmaameedka iyo tijaabooyinka la kantaroolay, ee aan la geynin adeegga xogta tooska ah. Sidoo kale ma xaqiijiso in koodka la soo saaray uu si joogto ah u saxan yahay oo ka baxsan su'aalaha la tijaabiyay, inuu ka jaban yahay soo saarista kernels-ka bini'aadmigu qoray, ama in xawligu uu badbaado beddelka qaybinta xogta iyo shuruudaha hawlgalka. Xuduudahaas ayaa muhiim ah sababtoo ah waydiinta degdega ah ee ku guul dareysata kiis cidhif ah maahan tayaynta xogta la isticmaali karo.
Farsamaynta Is-dhexgalka: Sida Dhabta Ay U Shaqeyso
U baadh tignoolajiyada hoose ee ka dambeeya horumarkan si isdhexgal leh.
Which component of an AI application is the machine-learning model itself?
Maxaa la daawan doona xiga
Su'aalaha ugu muhiimsan ayaa ah in natiijadu ay ka sarreyso culeyska shaqada ee TPC-H ee la tijaabiyay, sida bartilmaameedku u qeexayo baas buuxa, iyo haddii xawaaraha la soo sheegay uu sii jiro ka dib xisaabinta horumarinta, ansixinta iyo kharashka qalabka. Isha la keenay waa wax aan la taaban karin, sidaa awgeed tafaasiishaas iyo ku-noqoshada madax-bannaanida ayaa ah kuwo aan la xallin.
Arrinta ugu horreysa ee la daawado waa taransiinta. Abstract-ku wuxuu tilmaamayaa tirada iyo noocyada ballaaran ee moodooyinka, qalabka, iyo qodobbada cabbirka TPC-H, laakiin ma sheegto moodooyinka, ma qeexdo soojeedintooda, caddeyso xisaabinta-dhaafka, ama waxay bixisaa isbarbardhigga dhammaystiran ee gundhigga. Faahfaahintaasi waxay go'aamin doontaa sida cadaaladda ah ee nidaamyada loo qiimeeyay iyo sida diyaarka ah ee kuwa kale ugu celin karaan tijaabooyinka.
Guud ahaan waa su'aal kale oo furan. Tijaabooyinka la soo sheegay waxay isticmaalaan TPC-H SF10 hal H100 GPU iyo TPC-H SF100 oo ah afar H100 GPUs. Isha ma cadda in DataKernelBench ay daboosho qoysaska kale ee waydiinta, matoorada xogta, qaybinta xogta, jiilka GPU ama hawlgelinta CPU-GPU isku dhafan. Sidoo kale ma dejiso sida hab-dhaqanku u dhaqmo marka xogtu ka badato xusuusta habab yar oo habaysan, ama marka saxnaanta iyo daahitaanka ay tahay in la ilaaliyo iyadoo la bedelayo culeyska wax soo saarka.
Finally, future evaluations should separate raw execution speed from the complete cost of using an LLM-based optimizer. Tallaabooyinka khuseeya waxaa ka mid noqon doona wakhtiga jiilka, tirada isku dayga dayactirka, ansaxinta dulsaarka, ka faa'iidaysiga GPU, isticmaalka xusuusta iyo kharashka barnaamijyada fashilmay ama la diiday. Isha ayaa sheegaysa in dayactirka lagu hagayo fulinta ay tahay qayb ka mid ah habka, laakiin aan la taaban karo ma bixinayo tirooyinka habkaas. Ilaa laga soo sheego kuwa aan la garanayn oo si madax-banaan loo tijaabiyo, tirooyinka 2.11× iyo 2.54× waa in loola dhaqmaa sida natiijooyinka ay sheegtay xaashidan iyada oo la raacayo shuruudaheeda tijaabada ah, ee maaha sida dammaanad qaadyada waxqabadka guud.