TrainBridge: Agentic NPU Training Optimization Guided by GPU Compilation Evidence
arXiv:2610.29171v1 Announce Type: new Abstract: We study how to improve training efficiency on Ascend NPUs. In the NPU training programs we study, framework-level compilation optimizations such as operator fusion are only partially applied, leaving fragmented computation and avoidable execution over
Focus, um mehr zu erfahren. Von arXiv ausgegebene DOI über DataCite (Registrierung läuft). Einreichungshistorie Von: Yupeng Chen [ E-Mail anzeigen ] [v1] Mi, 21.
Okt 2026, 04:00:48 UTC (655 KB) Volltext-Links: Zugriff auf das Papier: PDF des Papiers mit dem Titel TrainBridge: Agentic NPU Training Optimization Guided by GPU Compilation Evidence von Yupeng Chen und 8 weiteren Autoren anzeigen. PDF anzeigen HTML (experimentell) TeX-Quelle Lizenz anzeigen. Weitere Funktionen Audio-Zusammenfassung Aktueller Browse-Kontext: cs.CL < zurück | weiter > neu | aktuell | 2026-10 Browse wechseln nach: cs cs.AI Referenzen & Zitate SciX Google Scholar Semantic Scholar BibTeX-Zitat exportieren.
Lädt... BibTeX-formatiertes Zitat × lädt... Daten bereitgestellt von: Lesezeichen Bibliografische Tools Bibliografische und Zitier-Tools Bibliographic Explorer Bibliographic Explorer umschalten ( Was ist der Explorer? ) Connected Papers Connected Papers umschalten ( Was ist Connected Papers? ) Litmaps umschalten Litmaps ( Was ist Litmaps? ) scite.ai umschalten scite Smart Citations ( Was sind Smart Citations? ) Code, Daten, Medien Code, Daten und Medien zu diesem Artikel alphaXiv umschalten alphaXiv ( Was ist alphaXiv? ) Links zu Code CatalyzeX Code Finder for Papers umschalten ( Was ist CatalyzeX? ) DagsHub umschalten DagsHub ( Was ist DagsHub? ) GotitPub umschalten Gotit.pub ( Was ist GotitPub? ) Huggingface umschalten Hugging Face ( Was ist Hugging Face? ) ScienceCast umschalten ScienceCast ( Was ist ScienceCast? ) Demos Replicate umschalten Replicate ( Was ist Replicate? ) Spaces umschalten Hugging Face Spaces ( Was sind Spaces? ) TXYZ.AI umschalten TXYZ.AI Verwandte Papier-Empfehlungs- und Such-Tools Link zu Influence Flower Influence Flower ( Was sind Influence Flowers? ) Core-Empfehlung umschalten CORE Recommender ( Was ist CORE? ) Autoren Venue Institution Thema Über arXivLabs arXivLabs: experimentelle Projekte mit Community-Mitarbeitern. arXivLabs ist ein Framework, das es Mitarbeitern ermöglicht, neue arXiv-Funktionen direkt auf unserer Website zu entwickeln und zu teilen.
Sowohl Einzelpersonen als auch Organisationen, die mit arXivLabs arbeiten, haben unsere Werte von Offenheit, Gemeinschaft, Exzellenz und Datenschutz für Nutzerdaten übernommen und bekräftigt. arXiv verpflichtet sich zu diesen Werten und arbeitet ausschließlich mit Partnern zusammen, die sich an sie halten.
Haben Sie eine Idee für ein Projekt, das einen Mehrwert für die arXiv-Community bietet? Erfahren Sie mehr über arXivLabs.
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
Focus to learn more arXiv-issued DOI via DataCite (pending registration) Submission history From: Yupeng Chen [ view email ] [v1] Wed, 21 Oct 2026 04:00:48 UTC (655 KB) Full-text links: Access Paper: View a PDF of the paper titled TrainBridge: Agentic NPU Training Optimization Guided by GPU Compilation Evidence, by Yupeng Chen and 8 other authors View PDF HTML (experimental) TeX Source view license Additional Features Audio Summary Current browse context: cs.CL < prev | next > new | recent | 2026-10 Change to browse by: cs cs.AI References & Citations SciX Google Scholar Semantic Scholar export BibTeX citation Loading... BibTeX formatted citation × loading... Data provided by: Bookmark Bibliographic Tools Bibliographic and Citation Tools Bibliographic Explorer Toggle Bibliographic Explorer ( What is the Explorer? ) Connected Papers Toggle Connected Papers ( What is Connected Papers? ) Litmaps Toggle Litmaps ( What is Litmaps? ) scite.ai Toggle scite Smart Citations ( What are Smart Citations? ) Code, Data, Media Code, Data and Media Associated with this Article alphaXiv Toggle alphaXiv ( What is alphaXiv? ) Links to Code Toggle CatalyzeX Code Finder for Papers ( What is CatalyzeX? ) DagsHub Toggle DagsHub ( What is DagsHub? ) GotitPub Toggle Gotit.pub ( What is GotitPub? ) Huggingface Toggle Hugging Face ( What is Huggingface? ) ScienceCast Toggle ScienceCast ( What is ScienceCast? ) Demos Demos Replicate Toggle Replicate ( What is Replicate? ) Spaces Toggle Hugging Face Spaces ( What is Spaces? ) Spaces Toggle TXYZ.AI ( What is TXYZ.AI? ) Related Papers Recommenders and Search Tools Link to Influence Flower Influence Flower ( What are Influence Flowers? ) Core recommender toggle CORE Recommender ( What is CORE? ) Author Venue Institution Topic About arXivLabs arXivLabs: experimental projects with community collaborators arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website.
Both individuals and organizations that work with arXivLabs have embraced and accepted our values of openness, community, excellence, and user data privacy. arXiv is committed to these values and only works with partners that adhere to them.
Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs.