調査期間：2026-10-14 07:00 ~ 2026-10-15 07:00（北京時間、24 時間）。

情報源：GitHub（tile-ai 組織 29 リポジトリのプッシュ全量核查、期間内に 8 リポジトリでプッシュあり：tilelang、TileOPs、TileFoundry、tilelang-ascend、tilelang-hygon、TileOPs-nightly、tilelang.github.io、TileOPs.github.io；組織期間内マージ 32 件、新規 27 件〔うち審査中 16〕、審査中更新 40 件；メインリポジトリ 10 件マージ、TileOPs 16 件マージ、昇騰リポジトリ 3 件ロールバック、海光 1 件マージ；非デフォルトブランチ逐一確認〔distributed / feat/hcu-mqa-fp8 / coderabbit-auto-apply-labels / v0.1.15-release / simt_compare など〕；夜間パイプライン 1 件の新スナップショット、双子女サイト各 1 回デプロイ）+ リリースページ核查 + 採用側リポジトリ核查（TileKernels v2.1.0 リリース、FlashQLA sm120 修正）+ コミュニティリポジトリ核查（PTO-ISA SuperNPUBench / tilelangGym / tilelang fork / tilelang-puzzles-ascend、TileMC、BM1690 pipelines、easy-tilelang、SwHwCodesign、tilelang-debugger）+ Google News 中英語複数クエリ（プロキシ経由）+ Hacker News + arXiv。

本期インデックス

  • 今日の重点：メインリポジトリ十件マージ、海光 v0.1.15 落地と TileKernels v2.1.0 リリース——夜間基盤 +41 項（10-14）
    1. コアプロジェクト進展
      • 1.1 メインリポジトリ：昇騰面四处収笔——独立 AIV 実行（#3485）、PTO DeepGEMM codegen（#3330）、跨 warp allreduce 修正（#3494）、サンプルターゲット選択（#3474）（10-14）
      • 1.2 メインリポジトリ：基盤三件——CPU OpenMP 並列 grid ループ（#3109）、C 系 codegen 共有発射（#3289）、Windows NVCC を MSVC に変更（#3510）（10-14）
      • 1.3 メインリポジトリ：ROCm scan 波面修正（#2326）、テスト基盤キャッシュ（#3502）とガバナンス設定（#3513）（10-14）
      • 1.4 メインリポジトリ審査中：PTO ファミリー四件新規、TMA バリアと共有バッファ修正更新（10-14）
    1. マルチバックエンド適配（昇騰 / 沐曦 / 海光 / 摩尔線程）
      • 2.1 海光：v0.1.15 アップグレードマージ（#20）、リリースブランチ建立、分散 IPC ライン開設（#19）（10-14）
      • 2.2 昇騰：三件の事実核查ロールバックと再実行（#1888 から #1890、#1893）；サンプルとオペレータ新規三件（10-14）
      • 2.3 沐曦：期間内プッシュなし；摩尔線程と Sunrise 静黙（10-14）
    1. エコシステムと採用側
      • 3.1 TileOPs：foundry 性能バッチ 11 件収口——softmax / プーリング / 正規化 / 帰約全展開（10-14）
      • 3.2 TileOPs：線形注意力と MoE 四件——KDA プリフィル求逆、GLA 逆方向メモリ、エキスパート検索スキップ、permute 収界（10-14）
      • 3.3 TileOPs：D=256 デコードを SM80 / SM90 に拡張（#2563）；審査中注意力ファミリーと GEMM 新バッチ（10-14）
      • 3.4 採用側二件：TileKernels v2.1.0 リリース（#38）と FlashQLA sm120 修正（#48）（10-14）
      • 3.5 TileFoundry：schedule CLI 加固マージ（#231）；モジュール表現と lowering 二件審査中（10-14）
      • 3.6 夜間パイプライン：新スナップショット 35a25677——正確性 1105 項（+41）、ベンチマーク 1970 項（+4）ゼロ失敗（10-15 未明）
      • 3.7 ドキュメントとサイト：TileOPs サイトレンダリング時点前倒し（#70）と双子女サイト例行更新（10-14）
    1. コミュニティ、チュートリアルとイベント
      • 4.1 PTO-ISA：tilelangGym 新リポジトリ建立、SuperNPUBench アーカイブバッチと SIMT 対照推進（10-14）
      • 4.2 サードパーティコミュニティ：TileMC ターゲット拡張、BM1690 ボードレベルログバッチ；チュートリアルとデバッグリポジトリ静黙（10-14）
      • 4.3 メディアと学術：Google News / Hacker News / arXiv 期間内零新增（10-14）
    1. トレンド観察
      • 5.1 全バックエンド v0.1.15 アライン収官目前
      • 5.2 メインリポジトリの「基盤日」：コンパイル面リファクタリングとプラットフォーム展開
      • 5.3 夜間基盤 +41：テストがマージと同期して膨張
      • 5.4 昇騰リポジトリのロールバック規律：低優先度ケースも守る
  • 付：素材と核查説明
  • 完全情報源リスト

本日の重点：メインリポジトリ10件のマージ、海光 v0.1.15 の着地と TileKernels v2.1.0 のリリース——夜間基盤 +41 項目（10-14）

日付：2026-10-14　情報源：独立 AIV 実行（#3485）／ 海光 v0.1.15 アップグレード（#20）／ TileKernels v2.1.0（#38）／ 夜間スナップショット 56c2ab6b／ TileOPs PR リスト

調査期間 24 時間以内に組織は 32 件をマージ（メインリポジトリ 10、TileOPs 16、昇騰リポジトリ 3 ロールバック、海光 1、TileFoundry 1、ドキュメントサイト 1）、新規 27 件を作成、8 つのリポジトリでプッシュがあった。本調査期間の主线は三つ：メインリポジトリのマージラッシュ、海光バックエンドのアップグレード着地、採用側の初のバージョンイテレーションである。

  • メインリポジトリ10件のマージ：昇騰（独立 AIV 実行 #3485、PTO DeepGEMM codegen #3330、クロス warp allreduce 修正 #3494、サンプルターゲット選択 #3474）、CPU（OpenMP 並列 grid ループ #3109）、codegen 共有リファクタリング（#3289）、Windows MSVC（#3510）、ROCm scan 波面修正（#2326）、テスト基盤（#3502）、ガバナンス設定（#3513）をカバー——単一調査期間のマージ数は近年最高（詳細は 1.1 から 1.3）。
  • 海光 v0.1.15 アップグレードのマージ（#20）：海光バックエンドを上流 v0.1.15 へ全量アップグレードし、HCU ブロックスケーリング GEMM の scale バッファレイアウトプランニングを追加。同時に v0.1.15-release ブランチを建立し、#19「Distributed」（+2577/-28、44 ファイル）で IPC allreduce 分散ワークラインを開設（詳細は 2.1）。
  • TileOPs 16件のマージ：foundry パフォーマンスバッチ 11 件の収束（softmax / プーリング / 正規化 / リダクションを全面的に展開）＋ KDA / GLA / MoE 修正 4 件と D=256 デコード拡張（詳細は 3.1 から 3.3）。
  • TileKernels v2.1.0 のリリース（#38）：DeepSeek 採用側リポジトリが 09-30 に昇騰サポートを追加して以来の初のバージョンイテレーション——昇騰側の norm / SwiGLU / Engram の書き直しとテスト更新（詳細は 3.4）。
  • 夜間基盤 +41：新スナップショット 35a25677——正確性 1105 項目（65 スイート、+41）、ベンチマーク 1970 項目（53 スイート、+4）、失敗ゼロエラーゼロ（詳細は 3.6）。

1. コアプロジェクトの進展

1.1 メインリポジトリ：昇騰面で4箇所を収筆——独立 AIV 実行（#3485）、PTO DeepGEMM codegen（#3330）、クロス warp allreduce 修正（#3494）、サンプルターゲット選択（#3474）（10-14）

日付：2026-10-14　情報源：独立 AIV（#3485）／ PTO codegen（#3330）／ allreduce 修正（#3494）／ サンプルターゲット選択（#3474）

  • 独立 AIV 実行（#3485）：Ascend AutoSchedule を拡張し、AIV0 と AIV1 が sid 依存の制御フロー下で異なる作業を実行できるようにした——交互エピローグ、逆量子化とエピローグの分業、互いに素な入力パーティション、ループ内でのロール切り替えをサポート。実装上は AssignCore を遅延推定とスケジューリングの前に前倒しし、AIV ローカル UB バッファとスカラー状態に独立したアイデンティティを確立し、参加コアごとにパイプラインリソース、特殊レジスタ依存、UB 容量、同期フラグライブラリをモデリングした。統一カーネルの collective パスと 1/2 AIV 発射ジオメトリは保持。L0C→UB コピーは依然として AIC 上で実行される。
  • PTO DeepGEMM codegen（#3330）：制御フローを跨いで tl.ascend_set_mmad_direction を追跡し、有効な方向を MAD 命令にエンコードし、競合する方向下で到達可能な MAD を拒否する。SIMD 後のインクリメンタルロード（データと更新ポインタを同時に返す）、混合 AIC/AIV カーネルにおける UB アドレスから PTODSL ポインタへの変換、動的な L0C→UB 次元とストライド、int16 符号付きパック MX scale をサポート。条件式とランタイムループのコード生成を改善。報告によると 15 個の DeepGEMM PTO ユースケースのうち 14 個が通過し、test_bf16_m_grouped_padding は PTOAS VPTO バックエンドが FP32→BF16 変換を合法化できないため依然としてブロックされている。
  • クロス warp allreduce 修正（#3494）：1 つの cross-warp allreduce 呼び出しが複数の独立したリダクショングループをカバーする場合、ascend と pto ターゲットが誤って最初のグループの結果をすべてのグループに渡していた。本コミットでこの正確性の問題を修正（#3469 のフォローアップ）。
  • サンプルターゲット選択（#3474）：昇騰サンプルとテストでハードコードされた target="ascend" を削除し、TILELANG_DEFAULT_TARGET 環境変数で決定するように変更。DeepGEMM JIT エントリは execution_backend="auto" をサポート。CI は昇騰サンプルスイートを ascend と pto の 2 つのターゲットでそれぞれ 1 回ずつ実行し、ドキュメントに選択方法を明記。

1.2 メインリポジトリ：基盤 3 件——CPU OpenMP 並列 grid ループ（#3109）、C 系 codegen 共有発射（#3289）、Windows NVCC を MSVC に変更（#3510）（10-14）

日付：2026-10-14　情報源：CPU OpenMP（#3109）／ codegen 共有（#3289）／ Windows MSVC（#3510）

  • CPU OpenMP 並列（#3109）：CPU バックエンドにオプションの grid ループ OpenMP 並列を追加——新たに MaterializeCPUParallelGrid を追加し、アノテーション付き CPU grid ループを並列ループに変換。ループ collapse、スレッド数設定、最小 trip 数しきい値、割り当てのシンクを併せて整備。Linux / macOS / Windows の OpenMP コンパイルフラグと pass 設定項目を補完。テストは正確性、pragma、割り当てシンク、しきい値、1 次元ケースをカバー。CPU バックエンドが初めてグリッドレベルの並列能力を備えた。
  • C 系 codegen 共有（#3289）：CodeGenTileLangCBase を導入し、CUDA、HIP、CPU C、Ascend C++、Metal、C ホストコード生成を統一。T.import_source、T.Kernel(prelude=...)、pragma_import_c がソーステキストの末尾に改行がないかバックスラッシュで終わる場合に次の生成行を飲み込む問題を修正。インポート内容を「ヘッダファイル→インポート→生成宣言と関数」の順にソートし、2 つの区切り改行を保証。検証：フォーカス回帰 83 通過、関連 codegen と launch スイート 405 通過。
  • Windows NVCC を MSVC に変更（#3510）：NVCC が get_cplus_compiler() の選ぶ clang-cl を拒否——NVCC サブプロセス環境から cl.exe を選択するように変更（ホスト C++ コンパイラ選択は変更しない）。VS 2026 18/* フォールバックパスを補完し、非 Windows プラットフォームでは -ccbin=None を渡さない。CUDA 13.3 下で再現用例は修正前失敗、修正後コンパイル通過。

1.3 メインリポジトリ：ROCm scan 波面修正（#2326）、テスト基盤キャッシュ（#3502）、ガバナンス設定（#3513）（10-14）

日付：2026-10-14　出典：ROCm scan（#2326）／ テスト基盤（#3502）／ CodeRabbit ラベル（#3513）

  • ROCm scan 波面修正（#2326）：HIP の cumsum / cummax はデフォルトで 64 lane セグメント単位で実行されるため、Wave32 GPU 上では結果が誤っていた——既存の run エントリがターゲットの波面幅に応じてセグメント幅を選択するようにし（ブロックスレッド数の上限に制約される）、32 スレッドブロックではコンパイル時に 64 lane テンプレートを除外する。32 スレッドの前方/後方スキャンと、ソース/デスティネーションのストライドが異なるケースのカバレッジを追加。gfx950 MXFP4 の例とテストは {"kind": "hip", "mcpu": "gfx950"} ターゲット記法に変更。検証：CUDA scan スイートは B300 上で 17 件通過、CuTeDSL ソース生成テストは 2 件通過。AMD 側のランタイム検証は ROCm CI に委ねる。
  • テスト基盤キャッシュ（#3502）：直近にクエリした IR 本体の呼び出しデータをキャッシュし、collect_calls / assert_call_count で使用できるようにする。変換テストにおける再帰 visitor と生成スクリプトのテキストチェックを構造化 IR アサーションに置き換え、ソフトパイプライン、スケジューリング、同期、バリア、Hopper intrinsic の構造チェックを拡張。
  • ガバナンス設定（#3513）：CodeRabbit による PR と issue の自動ラベル付けを有効化（PR 13 ラベル、issue 14 ラベル）。11 件のレビュールーティングルールをすべて保持し、ラベルの追加/改名/削除は行わない。

1.4 メインリポジトリ審査中：PTO ファミリー 4 件新規オープン、TMA バリアと共有バッファ修正更新（10-14）

日付：2026-10-14　出典：PTO/tvm_ffi（#3516）／ PTO VMI ベクトル化（#3512）／ TMA バリア（#3503）／ 共有バッファ二重拡張防止（#2342）／ メインリポジトリ PR リスト

  • PTO ファミリー 4 件新規オープン：tvm_ffi 実行バックエンドの PTO ターゲット対応（#3516）、T.Parallel から PTO VMI へのベクトル化（パイプラインフレームワークと要素単位サポート、#3512）、SS buffer サポート（#3514）、部分 L0 コピーの明示的 pitch（#3511）。
  • TMA とパイプライン：全プロデューサースレッド到達時の TMA forward バリア（#3503、更新）、兄弟パイプラインの共有バッファ二重拡張防止（#2342）、検証済みの TMA 記述子名のみを記録（#3484）。
  • その他の審査中更新：テストコンパイル時間の排除（#3517）、正常量除数の安全保護フラット化（#3488）、torch_npu タスクキュー（#3324）、SimdVF dim=1 リダクション（#3437）、手動スケジューリング FlashMLA サンプル（#3464）、Windows ARM64 CI（#2962）。メインリポジトリのオープン PR は計 160 件（前回 161 件）。

2. マルチバックエンド適配（昇騰 / 沐曦 / 海光 / 摩尔線程）

2.1 海光：v0.1.15 アップグレードマージ（#20）、リリースブランチ作成、分散 IPC ライン開設（#19）（10-14）

日付：2026-10-14　出典：v0.1.15 アップグレード（#20）／ Distributed（#19）／ distributed ブランチ／ v0.1.15-release ブランチ

  • v0.1.15 アップグレードのマージ（#20）：コードベース全体を上流の TileLang v0.1.15 にアップグレードし、HCU バックエンドサポートと既存の build.sh ワークフローを維持；アップグレード後のバックエンド、lowering パイプライン、言語 API、テストインターフェースに適応；HCU ブロックスケーリング GEMM の scale バッファレイアウト計画と付随する LDS レイアウトサポートを新規追加；README のリリース情報も同期更新。マージ後、v0.1.15-release ブランチ（main と同一ヘッド）を作成し、リリースラインの記録を残す。
  • 分散 IPC ラインの開設（#19）：+2577/-28、44 ファイルの規模で「Distributed」を開設——distributed ブランチには一連の HCU IPC（プロセス間通信）作業が含まれる：統一分散プロセスランチャー、IPC メタデータ初期化検証、BF16 / 全対等 IPC allreduce テスト、IPC GEMM allreduce サンプル、IPC シャットダウンと初期化失敗の伝播、無効 peer ガードなど。マルチカード集合通信が海光バックエンドの新たな作業方向となる。
  • レジスタパイプライン（#18）：引き続きレビュー中（10-13 以降の新規プッシュなし）。海光リポジトリのオープン PR は計 2 件（前回 1 件）。feat/hcu-mqa-fp8 と feat/hcu-gemm-blockscaled-async-copy-layout ブランチは調査期間内に新規プッシュなし。

2.2 昇腾：3 件のファクトチェックロールバックと再作成（#1888 から #1890、#1893）；サンプルとオペレータを新規 3 件開設（10-14）

日付：2026-10-14　情報源：ロールバック #1888／ ロールバック #1889／ ロールバック #1890／ 再作成版（#1893）／ 昇腾 PR リスト

  • 3 件のロールバック（#1888 / #1889 / #1890）：前調査期間にマージされた 3 件の「ドキュメントファクトチェック」PR——round セマンティクス（#1612）、bitwise_rshift（#1676）、bitwise_xor（#1681）——が順次ロールバックされた。再作成版 #1893 が原因を説明：毎日の全量スイートで低優先度ケースを実行した際、想定失敗ケースの異常正規表現が不一致であることを発見（実際にスローされたのは AscendVectorInstructionSelection の InternalError であり、アサートされた "Compilation Failed" ではなかった）；これらのケースは low_priority とマークされており、PR 段階の CI（-m "not (low_priority or ci_skip)"）では実行されないため、マージ後に毎日の全量実行がセーフティネットとして発見した。
  • 再作成版（#1893）：bitwise_rshift の再作成——レビュー意見に従い全ての想定失敗ケースを削除（サポート表外の dtype はドキュメントの dtype サポート表でカバーし、想定失敗アサートでは行わない）、docstring の書き直しと実機テストを維持。round と bitwise_xor の 2 件の再作成版はまだコミットされていない。
  • サンプルとオペレータの新規開設：situ_glu オペレータ（#1891）、cann-bench/lstm サンプル（#1892）、indexer_bwd オペレータとテスト（#1887）；レビュー中の更新：situ_glu_grad（#1877）、sparse_mla_topk_reducesum（#1884）、MHA サンプル（#1879）、Sparse MLA SeeSaw / Pipelined（#1869 / #1870）。昇腾リポジトリのオープン PR は計 233 件（前回 229 件）。

2.3 沐曦：調査期間内にプッシュなし；摩尔線程と Sunrise は静黙（10-14）

日付：2026-10-14　情報源：沐曦リポジトリ／ 摩尔線程リポジトリ

  • 沐曦：調査期間内にプッシュなし（前回プッシュは 10-13 午前の main が上流 v0.1.15 ノードに追いついたもの）；dev ブランチは依然 09-24 のまま。オープン PR は計 16 件（横ばい）。
  • 摩尔線程：09-30 以降活動なし；Sunrise リポジトリも調査期間内に動きなし。MLIR 昇腾（tilelang-mlir-ascend）は調査期間内にゼロプッシュ（最新コミット 10-10）、オープン PR は計 32 件（横ばい）。

3. エコシステムと採用側

3.1 TileOPs：foundry 性能バッチ 11 件を収束——softmax / プーリング / 正規化 / リダクションを全面的に展開（10-14）

日付：2026-10-14　情報源：softmax（#2570）／ プーリング3件（#2572 / #2573 / #2579）／ 正規化3件（#2576 / #2581 / #2585）／ リダクション2件（#2571 / #2578）／ GEMM と Elementwise 2件（#2582 / #2577）

  • softmax（#2570）：16 バイト L2 evict-last ロード tileops::load16_evict_last を新規追加；整ベクトル行（スレッドあたり最大 64 要素）をレジスタ常駐 _held_row に変更し、warp shuffle で最大値と和を折り畳み；SoftmaxWarpRowsKernel は 2KB 行までをカバーし、SoftmaxOnChipKernel はレジスタと共有メモリの両経路とも新しいロードを使用。39/42 の SoftmaxFwdOp 行が最速対照比 1.1% から 78.1% で先行し、(32768, 65536) float32 は quack と同等；lm-head の 2 行は依然として後退（0.909x / 0.934x）。
  • プーリング3件：#2572 MaxPool1dIndices——新規 load_evict_last スカラーロード、隣接出力をベクトルストア、sincnet-local は torch-compile に対して 1.009x / 1.006x、旧版カーネル比 1.049x 高速化（float32）；#2573 AvgPool3d——固定除数かつ taps ≤32 のウィンドウは全 taps を一括読み込み（L1/L2 evict-last）し select で領域外を除去、2 の冪でない固定除数は float32(float64(sum) * float64(1/divisor)) のスローパス分岐なしで処理し、結果は PyTorch とビット一致；#2579 MaxPool3dIndices——float32 tile 整列ウィンドウでスレッドあたり 2 つの隣接出力、値/インデックスをベクトルストア、c3d-pool1 は 170.1 マイクロ秒から 166.0 マイクロ秒に短縮。
  • 正規化3件：#2576 RMSNorm——行幅に応じて 4 種類の body に分割（256 から 2048 要素は warp 分割行、4096 以上は整ベクトルレジスタ常駐、16384 以上は 2 パス、その他は fragment）、jit builder と autotune はいずれも body に応じてチューニング空間を選択；#2581 InstanceNorm——整ベクトル行（最大 2048 要素）は 1 行につき 1 warp、8 行で 1 ブロック、12 の InstanceNormFwdOp 行すべてが同等か先行、3 つの wider-channel 行は 0.980x-0.988x から 1.042x-1.108x に向上；#2585 のフォローアップ——warp 行は最大 1024 列、小バッチはブロックあたりの行数を削減（最小 1 行）してグリッドが少なくとも 128 ブロックを保証、3 つの訓練経路は逆数除算に切り替えて torch mean に整列。
  • リダクション2件：#2578 any/all——float16 / bfloat16 / float32 行は 32 ビットワードとして読み込みビット演算テストを実施（符号ビットマスク、-0.0 は 0 とみなし、NaN は非 0）、16 以内の warp は lane 0 が逐次折り畳み；#2571 グループタイルカウント——varlen とグループグリッドの GroupTiling プレフィックス和は CTA 内 warp 間 shuffle スキャンに変更（8 グループ以内はループを維持）、4096 グループは 32 スレッドで 152 ではなく 62 レジスタを使用、すべての GroupTiling 呼び出し元（GQA / MLA / FP8 varlen、ページド GQA、varlen key RoPE、グループ GEMM、GLA/GDN/KDA varlen）が同時に恩恵を受ける。
  • GEMM と Elementwise：#2582 グループ GEMM——タイル終端で 2 つの staging バッファを交互に使用可能（store が飛行中に次のタイルを継続）、プロデューサ warp-group はコピー発行用に 1 warp のみ残す、4 行の MoE 負荷すべてが quack を先行（fwd 1.015x、dgrad 1.012x、wgrad 1.033x；以前の main は 0.936x-0.968x と 0.869x）；#2577 SiluAndMul——両半分ともに load16_evict_last を使用し、入力が 16 バイト整列でない際にエラーとなる問題を修正（vector_aligned）。

3.2 TileOPs：線形注意と MoE 4件——KDA プレフィル逆行列、GLA 逆方向メモリ、エキスパートサーチスキップ、permute の境界収束（10-14）

日付：2026-10-14　出典：KDA プレフィル（#2584）／ GLA 逆方向（#2569）／ MoE 探索スキップ（#2575）／ permute 境界収束（#2559）

  • KDA プレフィル逆行列安定化（#2584）：相関キー（correlated keys）下で KDA プレフィルがエラー——main は 6 個の chunk ケースと 2 個の fused ケースで失敗（NaN 含む）；修正は 16 行の対角ブロック単位で FP32 下で求解し、既存の共有バッファを再利用してブロック積を実行、ゲーティングプレフィックスは FP32 レジスタに保持、共有メタデータは参照行のみ保存、TileLang 0.1.12 下で境界を越える混合 dtype 共有ビューを削除；chunk と fused プレフィルは逆行列ヘルパーを共用、4 個の回帰ケースを追加（2 種の半精度 × 2 経路 × 部分 chunk）。sm89 ベンチマーク（FLA 0.5.2 外部ベースライン対比）は出力と終態すべて FP64 対照を通過。
  • GLA 逆方向メモリ再利用（#2569）：SM89 上で FP32 chunk32/K64/V192 の共有メモリ要求が 131072 から 98304 バイトに低下、SM89 の 101376 上限内に収まる（2 つの dh コンシューマ終了後に状態バッファを再利用、h ロード前にブロックバリアを追加）；非対称 FP32 回帰を 1 個追加。注：本項目は起動失敗問題を修正、速度は依然 FLA より遅い（256 / 2048 token で 0.0942 / 0.4164 ミリ秒対 FLA の 0.0550 / 0.1494 ミリ秒）、PR は加速を主張しないことを明示。
  • MoE エキスパート探索スキップ（#2575）：tight per-row MMA タイルが属主エキスパートを見つけた後、残りのエキスパート境界に対する二分探索を停止（旧ロジックは残りの各エキスパートに対して依然として検索を 1 回実行）；グループセンチネルを再利用、ミスしたタイルは依然として全エキスパートを検索、物理プレフィックス和 / アラインメント / masked 経路の挙動は不変。sm89（RTX 6000 Ada）ベンチマークは K512/N256 tight 行シナリオをカバー。
  • permute-align 境界収束（#2559）：vLLM moe_align_block_size に対し全 12 行で劣後する状況に対する収束と正確性修正——threads が 32 の倍数でない場合は誤った結果ではなくエラーを報告、空ルーティング呼び出しは任意のエキスパート数で num_tokens_post_pad=0 を返す、範囲外の expert_ids はエキスパート数外の値で充填、verifier とドキュメントを結果セットに整合、エキスパートループに境界を追加しブロックごとのハッシュ区間を予約。

3.3 TileOPs：D=256 デコードを SM80 / SM90 に拡張（#2563）；審査中のアテンション一族と GEMM 新バッチ（10-14）

日付：2026-10-14　出典：D=256 デコード（#2563）／ アテンション審査中（#2515 ～ #2541）／ GEMM 新バッチ（#2586 / #2587）／ TileOPs PR リスト

  • D=256 デコード拡張（#2563）：D=256 FP16/BF16 稠密デコードを SM89 から SM80 / SM90 に拡張（64-head × 64-key の単級プログラムと共有メモリ split 選択を踏襲）、Gemma-2B 8K cache の B=1 / B=16 負荷を新規追加。同時に稠密 RoPE split コンシューマが softcap を無視する問題を修正（cap=2 は以前失敗に回帰）、D=128 と新規追加の D=256 パスをカバー。#2420 をクローズ。
  • 審査中のアテンション一族：稠密 GQA アテンション集約（#2515）、ページド GQA の RoPE / ウィンドウ / 集約（#2516）、ページド KV cache gather（#2519）、PagedKVCacheWriteFwdOp（#2539）、LSE 加重アテンション状態マージ（#2530）、varlen GQA 集約とパイプラインスライディングウィンドウ（#2537）、稠密 FP8 GQA 長因果 KV パイプライン（#2541）——superAngGao のアテンション一族一括更新。
  • GEMM 新規バッチとテスト：K-512 FP8 プリフィル 256 行波タイル（#2587）、W4A16 重み先行ロードと 8 行タイル単一シフトデコード（#2586）、MoE 丸め予算検収（#2583）、FlashInfer fused-MoE ベースライン逐次活性自動チューニング（#2580）。TileOPs オープン PR は計 17 件（前回 26 件）。

3.4 採用側の双筆：TileKernels v2.1.0 リリース（#38）と FlashQLA sm120 修正（#48）（10-14）

日付：2026-10-14　情報源：TileKernels v2.1.0（#38）／ TileKernels リポジトリ／ FlashQLA（#48）

  • TileKernels v2.1.0（#38、16 ファイル、+352/-382）：DeepSeek 採用側リポジトリのリリース（バージョンコミット 4d5ad0f5「Release tile-kernels v2.1.0」）。変更は昇騰側に集中：norm_forward_asc を大幅に書き直し（+166/-207）、norm 前向 / 後向カーネルとテストを更新、SwiGLU 前向と後向の asc / cuda 両側を修正、Engram ゲーティング前 / 後向（asc + cuda）とテストを整合、cast.py を簡素化（+12/-36）。README の要件は TileLang 0.1.15、PyTorch 2.13、Ascend 950 NPU と CANN 9.2.0 に同期して引き上げ。以前 09-30 に昇騰サポートを追加（NVIDIA パスと一対一対応、実行時にバックエンドを自動選択）、本次は同リポジトリが昇騰に改めて以来、最初のバージョンイテレーション。
  • FlashQLA sm120 修正（#48、5 ファイル、+82/-5）：0.1.13 以降 Blackwell sm120 の前向と後向パスが使用不可——根本原因は block_DV が誤って 128 に変更された（sm120 実装は 64 を要求）かつ aggregate_card_state が欠落；修正により block_DV=64 を復元、aggregate_card_state 処理を補完し、sm120.csv を更新。RTX 5090（sm120）+ tilelang 0.1.15 + CUDA 13.0 で全テスト通過；今後の課題としてノード内 / ノード間コンテキスト並列サポートの探索を予定。

3.5 TileFoundry：schedule CLI 強化のマージ（#231）；モジュール表現と lowering の 2 件が審査中（10-14）

日付：2026-10-14　情報源：schedule CLI（#231）／ モジュールインスタンススロット（#232）／ lowering 契約（#233）

  • #231 マージ：統一命令マッチャ（型推論と候補の共用、実行グリッド・オペランドスコープ・フィールドマッチング・タイル投影と検証をカバー）；tf.empty を新規追加し schedule fixtures / チュートリアルソースと notebook を移行；依存アトムの facts を修正、schedule finalize --dim を新規追加、共有属性レンダリング、非有限定数の往復；確定アドレス和集合と座標予算統計による may-access footprint。検証：凍結フルセットソース 1617 通過 / 11 スキップ。#222 / #224 / #226 の複数節問題に対応（一部項目は lowering 領域へ移行、PR に区別を明記）。
  • 審査中 2 件：#232 はモジュール子ノードを共有インスタンススロットとして表現；#233 は storage スコープと printer 契約を保持。TileFoundry オープン PR は計 3 件（前回 1 件）。

3.6 夜間パイプライン：新スナップショット 35a25677——正確性 1105 項（+41）、ベンチマーク 1970 項（+4）ゼロ失敗（10-15 未明）

日付：2026-10-15　情報源：夜間スナップショット 56c2ab6b／ スナップショットメタデータ

  • 新スナップショット 35a25677（run 38611488940、スナップショット日付 10-14、北京時間 10-15 05:15 プッシュ）：正確性 1105 項（65 スイート、前回比 +41、0 失敗 0 エラー 1 スキップ）、ベンチマーク 1970 項（53 スイート、+4、0 失敗）；環境 H200、CUDA 13.2、ドライバ 595.71.05、イメージ cu132-torch2.13-tl-0.1.12、スナップショット内 tileops 0.0.1.dev1330+g35a25677c（前回比 +16 開発番号）、tilelang 0.1.12、torch 2.13.0+cu132。
  • スナップショットは TileOPs 35a25677、すなわち #2576（RMSNorm 分行）のマージ点に対応——正確性 +41 はここ一週間で単日最大の増加幅であり、調査期間内の 16 件のマージ（多くがテスト追加を伴う）と同時期。

3.7 ドキュメントとサイト：TileOPs サイトのレンダリング時点前倒し（#70）と双子サイトの例行更新（10-14）

日付：2026-10-14　情報源：レンダリング時点前倒し（#70）／ TileOPs ドキュメントサイト／ メインサイト

  • TileOPs サイトレンダリング前倒し（#70）：render-benchmarks.yml の毎日リフレッシュ cron を 0 22 * * *（22:00 UTC、北京 06:00）から 30 20 * * *（20:30 UTC、北京 04:30）へ移動；根拠は夜間スナップショットが 19:38 から 20:18 UTC に着地すること（過去七晩）、新時点は最悪の場合でもその 12 分後にキューイングされる。期間内に 1 回の gh-pages デプロイ（Deployed 8f46bef、MkDocs 1.6.1）。
  • メインサイト例行更新：tilelang.github.io は 2 回の自動ドキュメント更新（10-14 19:15 / 19:34 UTC）。リリースページ：メインリポジトリ最新 v0.1.15（09-30）、TileFoundry v0.0.2（09-10）、TileRT v0.1.5.post2（08-06）、期間内にいずれも新規なし。

4. コミュニティ、チュートリアルとイベント

4.1 PTO-ISA：tilelangGym 新規リポジトリ設立、SuperNPUBench アーカイブバッチと SIMT 対照推進（10-14）

日付：2026-10-14　情報源：tilelangGym／ アーカイブ PR（#242）／ SuperNPUBench／ simt_compare ブランチ／ PTO-ISA/tilelang fork

  • tilelangGym（新規リポジトリ）：PTO-ISA 組織が 10-14 に設立。「異なる benchmark / microbenchmark の PTO lowering と性能感度をテストする」ためのテストベンチと位置づけ（初回コミット 10-14 06:21）。
  • SuperNPUBench ウィンドウ内 3 件：
    rms_norm_dynamic_simt_32k を V2 にアーカイブ（#242）、group_norm_grad 静的カーネルを V0 にアーカイブ（#239）、matmul に reuseB カーネルを新規追加（valid-tail 処理、PR 未経由）。
  • tilelang-puzzles-ascend（SIMT 対照）：simt_compare ブランチでウィンドウ内 2 件——T.reduce_max が逐次スキャンに対して実測 8.94 倍高速、12 個のカーネルを T.reduce_absmax 折り畳みに変更して再テスト。
  • PTO-ISA/tilelang fork：上流 main を追随して推進（ウィンドウ内で最新マージまで同期）。

4.2 サードパーティコミュニティ：TileMC ターゲット拡張、BM1690 ボードレベルログ多数；チュートリアルとデバッグリポジトリは静穏（10-14）

日付：2026-10-14　情報源：TileMC／ BM1690 pipelines／ easy-tilelang／ SwHwCodesign／ tilelang-debugger

  • TileMC（サードパーティ製 manycore アーキテクチャ向け TileLang ターゲット）：1 件——TileMC ターゲットの FP32 サポート、パネルマッピング、ワークロードスケーリングを拡張。
  • BM1690 パイプラインリポジトリ（算能 TPU）：ウィンドウ内 18 件の開発ログ形式コミット——Matmul / RMSNorm のボードレベルスモークテストと 1024 引き継ぎ検証、Split-K ボードレベル結果、RoPE 連携デバッグとタイムアウト診断、ドライバ終了セマンティクスと 7.0.0-34 カーネルホストビルドなど。個人実験リポジトリのボードレベルデバッグ記録に属する。
  • 静穏項目：easy-tilelang チュートリアルリポジトリはウィンドウ内プッシュなし（前回 10-13）；SwHwCodesign 公開リポジトリ（AI-Compiler / AI-Infra）はプッシュなし（10-12 以降）；tilelang-debugger は更新なし（10-10 以降）。

4.3 メディアと学術：Google News / Hacker News / arXiv はウィンドウ内新規ゼロ（10-14）

日付：2026-10-14　情報源：Google News／ Hacker News 検索／ arXiv 検索

  • Google News の中国語・英語複数クエリ（TileLang オペレータ / 昇騰 / tile-ai / 完全一致語）はウィンドウ内新規ゼロ——直近の報道は 09-29 から 10-02 で停止（DeepSeek×昇騰 TileLang トピック、既に過去号で収録済み）；一般 AI 産業評論記事がクエリ語にヒットしたが、本文に TileLang や tile-ai の文字は見られず、ノイズとして除外。
  • Hacker News はウィンドウ内関連項目ゼロ（Brainfuck コンパイラの Show HN 一件は曖昧マッチのノイズ）；arXiv に新規プレプリントなし（最新の関連は依然 07-24 の TileSight 分析モデル論文）。

5. トレンド観察

5.1 全バックエンド v0.1.15 アライメントが最終段階へ

  • 上流 v0.1.15（09-30）リリース後、沐曦は 10-13 に main を v0.1.15 ノードまで追いつかせ、海光は本ウィンドウで #20 により全量アップグレードを完了しリリースブランチを確立——両バックエンドが 2 週間のうちに相次いでアライメントし、うち海光はアップグレードと同時にブロック量子化 GEMM のレイアウトプランニングを新ベースラインに持ち込んだ。残る摩尔線程は依然 09-30 以降静止したまま、昇騰はその後「ドキュメントファクトチェック」で API 説明を逐次補完。複数バックエンドの「同バージョン・同セマンティクス」という基盤が収束しつつある。

5.2 主リポジトリの「インフラの日」：コンパイル面再構築とプラットフォーム展開

  • 単一ウィンドウで 10 件のマージのうち過半がコンパイルとプラットフォームインフラ：C 系 codegen 共有（CUDA / HIP / CPU / Ascend / Metal 統一基底クラス）、CPU OpenMP グリッド並列、Windows MSVC リンク、テストインフラキャッシュ、ROCm scan ウェーブフロント——さらに PTO/Ascend の新規 4 件を上乗せ。リリース静穏期（v0.1.15 後 15 日間新バージョンなし）の中で、火力は明らかに低レイヤの拡張性と新プラットフォーム支援に向けられており、これは「MoE/性能マージ → 基盤成長 → 新バージョン」というリズムと表裏一体である。

5.3 夜間基盤 +41：テストがマージに同期して膨張

  • 正確性は単日 +41 項目で直近一週間で最大の伸び幅であり、TileOPs の 16 件のマージと一対一で対応している（性能バッチは一般的に test-node の追加項目を伴い、注意力拡張は新しい負荷行を伴う）。「1 件マージするごとに、基盤が一段上がる」というローリング記帳は、各変更の検証を夜間スナップショットへと沈殿させ続けている——リリース前の静的な準備は依然として着実に積み上がっている。

5.4 昇騰リポジトリのロールバック規律：低優先度のケースも守られている

  • 最初の 3 件の「ドキュメント・ファクトチェック」PR は、低優先度の想定失敗ケースにおける異常な正規表現不一致により全体がロールバックされ、削減版で再做された——露呈したのは「PR 段階の CI では低優先度ケースを実行せず、毎日の全量スイートが受け止める」という二段階の検証構造である。この「ロールバック—再做」であって「傷を負ったまま前進」ではないという処理は、昇騰適配リポジトリの CI ガバナンスが「全部通過」から「アサーションの正確さ、口径の統一」へと転換しつつあることを示しており、調査期間内のマージ品質が毎日の全量実行によって継続的に制約されていることも意味している。

付：素材と検証説明

情報源 検証結果
tile-ai 組織（29 リポジトリ） 調査期間内に 8 つのリポジトリでプッシュあり：tilelang（マージ 10）、TileOPs（マージ 16）、TileFoundry（マージ 1、新規 2）、tilelang-ascend（ロールバック 3、新規 3）、tilelang-hygon（マージ 1、新規 1、ブランチ作成 1）、TileOPs-nightly（スナップショット 1）、tilelang.github.io（自動更新 2）、TileOPs.github.io（マージ 1、デプロイ 1）；組織の調査期間内合計はマージ 32 件、新規 27 件（うち審査中 16）、審査中更新 40 件
主リポジトリ tilelang マージ 10 件（#3109、#3289、#3330、#3474、#3485、#3494、#3502、#3510、#2326、#3513）；オープン PR は 160 件（前回 161）；リリースページに調査期間内の新規なし（最新 v0.1.15、09-30）
昇騰リポジトリ（ascend / mlir-ascend） ascend：ロールバック 3 件（#1888 から #1890）、新規 3 件（#1891 から #1893）；オープン PR は 233 件（前回 229）。mlir-ascend：調査期間内にプッシュゼロ（最新コミット 10-10）；オープン PR は 32 件（横ばい）
海光 / 沐曦 / 摩尔線程 海光：マージ 1 件（#20 で v0.1.15 にアップグレード）、v0.1.15-release ブランチ作成、distributed ブランチのプッシュ（#19 審査中）；オープン PR は 2 件（前回 1）。沐曦：調査期間内にプッシュなし（前回 10-13）；オープン PR は 16 件（横ばい）。摩尔線程：09-30 以降活動なし
TileOPs マージ 16 件（#2559、#2563、#2569、#2570 から #2573、#2575 から #2579、#2581、#2582、#2584、#2585）；オープン PR は 17 件（前回 26 件）
TileOPs-nightly 新スナップショット 35a25677（run 38611488940、10-15 05:15 プッシュ）：正確性 1105 項目（65 スイート、+41）、ベンチマーク 1970 項目（53 スイート、+4）、失敗ゼロエラーゼロ（1 スキップ）
TileFoundry マージ 1 件（#231）；新規 2 件（#232、#233）；オープン PR は 3 件；リリースページに新規なし（最新 v0.0.2、09-10）
採用元 TileKernels：マージ 2 件（v2.1.0 リリース PR #38 とバージョンコミット）；FlashQLA：マージ 2 件（#48 sm120 修正）；TileRT に動きなし
PTO-ISA 組織とコミュニティサードパーティ tilelangGym 新リポジトリ（初回 10-14）；SuperNPUBench 調査期間内 3 件；tilelang-puzzles-ascend simt_compare ブランチ 2 件；PTO-ISA/tilelang fork は上流を同期；TileMC 1 件；BM1690 pipelines 18 件；easy-tilelang / SwHwCodesign / tilelang-debugger は調査期間内にプッシュなし
Google News / Hacker News / arXiv Google News 調査期間内に新規ヒットゼロ（汎 AI 評論記事 1 件はノイズとして除外）；HN に関連エントリゼロ；arXiv に新規プレプリントなし

完全な情報源リスト

MaxPool3dIndices fp32（#2579） — https://github.com/tile-ai/TileOPs/pull/2579

puzzles-ascend simt_compare — https://github.com/PTO-ISA/tilelang-puzzles-ascend/commits/simt_compare