調査期間：2026-10-15 07:00 ~ 2026-10-16 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 7 リポジトリでプッシュあり：tilelang、TileOPs、TileFoundry、tilelang-hygon、tilelang-mlir-ascend、tilelang.github.io、TileOPs.github.io；組織は期間内にマージ 15 件、新規作成 24 件、審査中更新 172 件；非デフォルトブランチを個別確認〔distributed / v0.1.12-release / v0.1.15-release / snapshots〕）+ リリースページ核查 + 採用側リポジトリ核查（TileKernels / FlashQLA）+ コミュニティリポジトリ核查（tilelangGym、SuperNPUBench、puzzles-ascend、BM1690 pipelines、tilelang-cuda-skills、TileMC、easy-tilelang、tilelang-debugger、SwHwCodesign）+ 夜間パイプライン核查 + Google News 中英語複数組クエリ（プロキシ経由）+ Hacker News + arXiv。

本期インデックス

  • 今日の重点：主リポジトリ PTO 実行ルーティングのマージ、TileOPs アテンション三連と TileFoundry インスタンススロットの着地——海光パッチを v0.1.12 ラインに収録（10-15）
    1. コアプロジェクト進展
      • 1.1 主リポジトリ：昇騰 PTO 実行ルーティング——ascend × pto 直結 PTO codegen（#3316）（10-15）
      • 1.2 主リポジトリ：JIT がハッシュ不可のコンパイル時パラメータを拒否（#3417）；テストコンパイル時間の消除（#3517）（10-15）
      • 1.3 主リポジトリ審査中：cumsum 共有バッファ warp 特化修正を新規作成（#3536）；PTO ファミリー七件を推進（10-15）
    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：ブロックスケーリング非同期コピーレイアウトを当日開閉（#21、v0.1.12-release に着地）；distributed ブランチを継続プッシュ（10-15）
      • 2.2 昇騰：ascend リポジトリに新規四件——dav-3510 gemm_v0 静黙数値エラーを審査中（#1900）；PR 233 から 237 を公開（10-15）
      • 2.3 沐曦と摩尔線程：期間内にプッシュなし；MLIR 昇騰ナレッジベース修正をマージ（#202）（10-15）
    1. エコシステムと採用側
      • 3.1 TileOPs：アテンション三連をマージ——varlen GQA 集約、ページド GQA 全特性とページド KV 書き込み（10-15）
      • 3.2 TileOPs：foundry 性能三件——W4A16 ロード再配列、sigmoid の IEEE 除算回避、SM89 スキャン拡幅（10-15）
      • 3.3 TileFoundry：インスタンススロットリファクタリング（#232）、lowering 契約（#233）と Qwen3.8-27B プレフィル示例（#236）の三件をマージ（10-15）
      • 3.4 夜間パイプライン：期間内に新規スナップショットは未確認（10-15）
    1. コミュニティ、チュートリアルとイベント
      • 4.1 PTO-ISA：tilelangGym SimtVF スイートが成型；SuperNPUBench グループ正規化シングルパスリダクション（10-15）
      • 4.2 サードパーティコミュニティ：BM1690 ボードレベル診断六件；tilelang-cuda-skills による TileFoundry への初回外部監査（10-15）
      • 4.3 メディアと学術：Google News / Hacker News / arXiv は期間内に新規ゼロ（10-15）
    1. トレンド観察
      • 5.1 PTO は「独立ターゲット」から「ファーストクラス実行パス」へ
      • 5.2 アテンションファミリーの収口：長文推論オペレータ面の補完
      • 5.3 海光の二重ライン維持と分散方向
      • 5.4 TileFoundry は外部監査期へ
  • 付：素材と核查説明
  • 完全情報源リスト

今日の重点：主リポジトリ PTO 実行ルーティングのマージ、TileOPs アテンション三連と TileFoundry インスタンススロットの着地——海光パッチを v0.1.12 ラインに収録（10-15）

日付：2026-10-15　ソース：PTO 実行ルーティング（#3316）／ varlen GQA 集約（#2537）／ インスタンススロット再構築（#232）／ ブロックスケーリング非同期コピーレイアウト（#21）／ dav-3510 gemm_v0（#1900）／ TileOPs PR リスト／ TileFoundry PR リスト

調査期間 24 時間以内に組織で 15 件をマージ（メインリポジトリ 3、TileOPs 6、TileFoundry 3、海光 1、MLIR 昇騰 1、ドキュメントサイト 1）、新規オープン 24 件、レビュー中更新 172 件；7 つのリポジトリにプッシュがあった。本調査期間の主线は三つ：メインリポジトリの PTO 実行パス開通、TileOPs の注意機構三連収束と TileFoundry の二件の核心再構築の着地、加えて海光がブロックスケーリングパッチを v0.1.12 リリース線に取り込んだことである。

  • メインリポジトリ PTO 実行ルーティング（#3316）：target="ascend" と execution_backend="pto" の組み合わせが有効となり、コンパイルが PTO デバイスコードジェネレータに直結；auto パスは AscendC/TVM-FFI を維持（詳細は 1.1）。
  • TileOPs 注意機構三連（#2537 / #2516 / #2539）：varlen GQA 集約とパイプラインスライディングウィンドウ、ページド GQA の RoPE / ウィンドウ / 集約、ページド KV 書き込みオペレータ PagedKVCacheWriteFwdOp が同ウィンドウでマージ（詳細は 3.1）。
  • TileFoundry 二重再構築（#232 / #233）：モジュール子ノードのインスタンススロット化と lowering / printer 契約の着地、加えて Qwen3.8-27B クロスリッジプレフィル例（#236）（詳細は 3.3）。
  • 海光 #21 が v0.1.12 線に着地：ブロックスケーリング GEMM 非同期コピーレイアウトが当日開、当日マージ、対象ブランチは v0.1.12-release メンテナンス線（詳細は 2.1）。
  • 昇騰レビュー中要筆 #1900：dav-3510 上の gemm_v0 のサイレント数値誤り——異常なし、NaN なし、数値分布がほとんど識別不能な精度失敗クラスの問題（詳細は 2.2）。

1. 核心プロジェクト進展

1.1 メインリポジトリ：昇騰 PTO 実行ルーティング——ascend × pto 直結 PTO codegen（#3316）（10-15）

日付：2026-10-15　ソース：PTO 実行ルーティング（#3316）／ メインリポジトリ PR リスト

  • 実行ルーティング（#3316）：target="ascend" と execution_backend="pto" の組み合わせを実際に機能させる——明示的な PTO 実行バックエンドが、バックエンド解決の前にネイティブ Ascend ターゲットを PTO ターゲット変種へと特殊化し（arch などのターゲット属性を保持）、コンパイルはこれに基づいて PTO バックエンドと PTO デバイスコードジェネレータ（CodeGenTileLangPTO、すなわち codegen_pto.cc）を選択する。実装上は実行を認識するターゲット正規化フックを新設し、BackendContext の生成箇所に接続する。Ascend 専用の正規化器がマッピングを担当し、デバイスコード生成は PTO_CODEGEN と target.build.tilelang_pto_without_compile に切り替わる。
  • 経路セマンティクス（PR の挙動表）：ascend × auto は AscendC + TVM-FFI 経路を維持し、ascend × tvm_ffi / cython は AscendC を通り、ascend × pto と既存の target="pto" 簡略記法はいずれも PTO バックエンドを通る。ドキュメントには等価な環境設定として TILELANG_DEFAULT_TARGET=ascend に TILELANG_EXECUTION_BACKEND=pto を加える形が示されている。テストは直接的なコンテキスト解決、ターゲット属性の保持、キャッシュディスパッチ、環境変数による選択をカバーしている。
  • 連線：10-14 にマージされたサンプルターゲット選択（#3474、CI は ascend と pto の両ターゲットで全昇騰サンプルをそれぞれ一回ずつ実行）と、審査中の PTO ファミリー（tvm_ffi 実行バックエンド #3516、VMI ベクトル化 #3512、SS buffer #3514、部分 L0 コピー pitch #3511）に接続する——昇騰側の「二重経路併存」は「一つのターゲット、二つの実行バックエンド」へと向かいつつある。

1.2 メインリポジトリ：JIT がハッシュ化不可能なコンパイル時パラメータを拒否（#3417）；テストコンパイル時間の削減（#3517）（10-15）

日付：2026-10-15　情報源：JIT ハッシュ検証（#3417）／ テストコンパイル時間（#3517）

  • JIT がハッシュ化不可能なコンパイル時パラメータを拒否（#3417）：JIT 特殊化は、コンパイル時パラメータとデフォルト値がハッシュ化可能であることを要求するようになった——ハッシュ化不可能なデフォルト値は JIT ラッパー生成時に TypeError を投げ、明示的に渡されたハッシュ化不可能なパラメータはカーネル検索またはファクトリ実行の前に拒否される。これにより可変なデフォルト値が古いカーネルを黙って再利用することを防ぎ、遅延と即時の二つのパラメータ契約を一本化する。検証には hash() を使用する（ハッシュ化不可能な値を含むタプルを含む）。呼び出し形式キャッシュはまずハッシュ化可能性を確認し、その後に「前回呼び出しとの等価」というショートカットを行う。コンテナ内容の正規化を削除し、実行期のテンソルパラメータは引き続き特殊化キーに入らない。検証：ネイティブソースの再ビルドが通過し、パラメータバインディングおよび関連スイートは合計 91 件通過、スキップなし。
  • テストコンパイル時間の削減（#3517）：
    test_tilelang_issue_2994.py 内の四つの packed-type CUDA ソース補助関数は
    target.build.tilelang_cuda_without_compile（生成ソースのみを取得し、完全なビルドを行わない）を使用するよう変更された。これらの補助関数はもともと生成ソースのみを検査するものであり、通常のビルドオーバーヘッドを負わなくなった。

1.3 メインリポジトリ審査中：cumsum 共有バッファ warp 特殊化修正が新規発行（#3536）；PTO ファミリー七件が進行（10-15）

日付：2026-10-15　情報源：cumsum 修正（#3536）／ PTO tvm_ffi（#3516）／ VMI ベクトル化（#3512）／ SS buffer（#3514）／ 部分 L0 コピー（#3511）／ UB から L1 への部分コピー（#3530）／ PTO Ramp 値（#3535）／ SIMT VF アクセス（#3523）

  • cumsum 共有バッファ warp 特化修正（#3536、10-16 未明に新規起票）：warp 特化下では消費者スレッドが 128 から採番されるが、共有メモリスキャンテンプレートがスレッド区間の下限を受け取っていなかった——CumSum1D / CumSum2D は各消費者スレッドで早期リターンし、バッファは未書き込みのままとなる。修正ではスレッド区間の最小値をスキャンテンプレートに渡す（AllReduce は既にこの書き方）。HIP 側のスキャンテンプレートも同期修正（LowerSharedScan は両バックエンドで共有）。1D / 2D 共有バッファのパイプライン T.cumsum ケースを新規追加。検証：H100 上で 19 件通過（新規パイプラインケースは main 上で 2 例失敗）。#3528 の再現ケースは修正後 131072 項すべて正解（main 上では 129019 項が誤り）。#3528 を修正。
  • PTO ファミリ 7 件の進展：#3516（PTO ターゲット tvm_ffi 実行バックエンド）、#3512（T.Parallel から PTO VMI へのベクトル化）、#3514（SS buffer）、#3511（部分 L0 コピーの明示的 pitch）、#3530（NZ バッファの UB から L1 への部分コピー、新規起票）、#3535（PTO Ramp 値を型ごとにベクトル発行、新規起票）、#3523（SIMT VF 内ベクトル局所アクセス修正、新規起票）。
  • その他審査中：TMA プロデューサ限定（#3503）、共有バッファの二重拡張防止（#2342）、SM120 MXFP8 / MXFP4 ブロックスケーリング MMA（#3495）と mxf8f6f4 全オペランドファミリ（#3099）は継続更新中。profiler L2 読み取り専用フラッシュ（#3534）と共有スキャンスレッド数診断（#3532）が新規起票。メインリポジトリのオープン PR は計 165 件（前回 160 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：ブロックスケーリング非同期コピーレイアウトが当日開閉（#21、v0.1.12-release に着地）；distributed ブランチ継続推進（10-15）

日付：2026-10-15　情報源：ブロックスケーリング非同期コピーレイアウト（#21）／ distributed（#19）／ distributed ブランチ

  • #21 ブロックスケーリング GEMM 非同期コピーレイアウト：05：56 起票、06：58 マージ（UTC）、当日開いて当日 v0.1.12-release リリースラインにマージ——すなわち海光が v0.1.15 メインラインとは別に維持し続ける 0.1.12 デリバリライン；PR には説明が添付されておらず、変更は HCU ブロックスケーリング GEMM の非同期コピーレイアウトに集中（10-14 のアップグレード PR #20 で持ち込まれたブロックスケーリング scale バッファレイアウト作業を引き継ぐ）。
  • distributed ブランチ継続推進：ブランチヘッドは調査期間内に 2 回前進——10-15 08：14 のバッチ（統一分散プロセスランチャー、BF16 と全対等 IPC allreduce テスト、IPC クローズと初期化失敗の伝播、IPC メタデータ検証、STRIDE リモートブロックコピーなど）と 09：46 の「refactor(hcu): move distributed language APIs」；#19 はオープンのまま（09：53 更新）。マルチカード IPC 集合通信は依然として海光の次段階の主線。
  • 海光のオープン PR は計 2 件（横ばい）。

2.2 昇騰：ascend リポジトリに 4 件新規起票——dav-3510 gemm_v0 のサイレント数値エラーが審査中（#1900）；オープン PR 233 から 237 へ（10-15）

日付：2026-10-15　情報源：dav-3510 gemm_v0（#1900）／ KDA chunk_delta_bwd（#1895）／ KDA chunk_delta_h_fwd（#1896）／ bitwise_xor ドキュメント（#1899）／ 昇騰 PR リスト

  • 期間概観：ascend リポジトリの期間内にコード推送はなく、PR 面では新規 4 件、オープン PR は 233 から 237 に増加：KDA chunk_delta 逆方向 / 順方向移行（#1895 / #1896）、bitwise_xor ドキュメントのファクトチェック再実施（#1899）、dav-3510 gemm_v0 修正（#1900）。メインリポジトリ側の PTO ルーティング実装は 1.1 を参照。
  • 審査中の重点 #1900（dav-3510 サイレント数値エラー）：dav-3510 上で、tl::ascend::gemm_v0 が明確に定義された tiling の組に対して誤った積を返す——例外なし、NaN / Inf なし、ゼロ値なし、数値分布は正しい結果とほとんど区別できず、遠端でのみ精度失敗として現れる；size、shape、有限性、さらにはマルチセット検査まで全て通過する。2 つの分割可能なコミット：① --npu-arch をプラットフォームから取得するよう変更——LibraryGenerator は以前無条件に dav-2201 を渡しており、A5 カーネルはこれに従ってコンパイルするとサイレントに誤ったアーキテクチャを狙う（同一の flash-attention カーネルは dav-2201 下で 14656 バイト、2 シンボルの .aicore_binary を生成し、dav-3510 下では 18 から 19 シンボル、約 24000 バイト；CANN ヘッダファイル内で __NPU_ARCH__ により 3510 / 5102 を判別する ND2NZ 構造体とコピーオーバーロードはこれにより A5 分岐を決して通らなかった）；② gemm_v0 の staging 制限——真の数値修正であり、前者に依存して到達可能。測定方法：単一カーネル（2 回の copy_gm_to_l1 に gemm_v0 を加え copy_l0c_to_gm）を単卡上で直接対照。

2.3 沐曦と摩尔線程：期間内に推送なし；MLIR 昇騰ナレッジベース修正がマージ（#202）（10-15）

日付：2026-10-15　情報源：沐曦リポジトリ／ 摩尔線程リポジトリ／ ナレッジベース修正（#202）

  • 沐曦：期間内に推送なし（前回推送は 10-13 main が上流 v0.1.15 ノードに追いついた時点）；オープン PR は計 16 件（横ばい）。
  • 摩尔線程：09-30 以降活動なし；オープン PR は計 6 件。
  • MLIR 昇騰ナレッジベース修正（#202）：自動チューニングナレッジベースにおける ArgMax N-split の partial / merge 記述を修正し、「単一 device launch 内で partial、同期、最終 merge を完了する」実装パターンに統一；パターンライブラリ、ケース、再現スクリプトを更新；Expert モードと T.block_barrier の使用制約を補足；レポートファイルのフォーマット問題を整理。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：アテンション三連マージ——varlen GQA 集約、ページング GQA 全機能とページング KV 書き込み（10-15）

日付：2026-10-15　情報源：varlen GQA 集約（#2537）／ ページング GQA 全機能（#2516）／ PagedKVCacheWriteFwdOp（#2539）／ MoEGroupedGemmFP8 ドキュメント（#71）

  • varlen GQA 集約とパイプラインスライディングウィンドウ（#2537）：FP16 / BF16 / FP8 varlen GQA にオプションの FP32 ヘッド別 sinks を追加——sink は softmax 分母に入るスケーリング未適用・トランケート未適用の logit である。「アテンション集約」議題（#2269）の varlen 部分をカバーし、同時にパイプライン化スライディングウィンドウを統合。
  • ページド GQA 全機能（#2516）：GQAPagedFwdOp に読み取り専用 RoPE、両側スライディングウィンドウ、オプションのヘッド別 sinks を追加し、アテンション集約議題のページドパス部分を補完。
  • PagedKVCacheWriteFwdOp（#2539）：ページド KV 書き込みオペレータを新規追加——呼び出し側が指定した物理スロットへ K / V をインプレーススキャッタ、-1 スロットをスキップ、独立した K / V scale で FP8 キャッシュを量子化；単一カーネルが同時に二種類の書き込みを担い、token 数は動的；NaN、有限オーバーフロー、無限大をネイティブ FP8 変換の飽和処理として保持；ワークロードは書き込み済み行と未タッチのキャッシュ内容の両方を検証；FlashInfer および vLLM と対照して検収；attention パッケージから PagedKVCacheWriteKernel をエクスポート。
  • 三筆はともにアテンション一族に属し、前の調査期間で審査中、今調査期間で集中的にマージされた。その他：ドキュメントサイトが #71 をマージし、PagedKVCacheWriteFwdOp と MoEGroupedGemmFP8FwdOp の API エントリを補入。

3.2 TileOPs：foundry 性能三筆——W4A16 ロード再配列、sigmoid IEEE 除算回避、SM89 スキャン拡幅（10-15）

日付：2026-10-15　情報源：W4A16 先行ロード（#2586）／ sigmoid IEEE 除算回避（#2588）／ SM89 スキャン拡幅（#2574）／ TileOPs PR リスト

  • W4A16 重み先行（#2586）：GemmW4A16Kernel は従来 packed 重みの前に各 K タイルのアクティベーションをコピーし、warp 特化プロデューサがこの順序で発行して段階的に待機していたため、重みの DRAM からのロードが実際には K タイル一つ分遅れていた；現在は重みを先行（その stage はデコード読み取り後に即座に解放）。8 行デコードタイルはシフト一つで三つを置き換える（w4a16_dequant_word_one_shift は奇数/偶数ニブルをインプレースマスクし、一つの FMA で中心化、重みに 1/16 を乗算）。decode-long-k は marlin-fp16 の 1.047 倍に到達（元は 0.996 倍）、8 行タイルは各行 2.5% から 7.6% 高速化、prefill-mlp-up は 5.7% 高速（torch 逆量子化行列積に対して 0.992 倍、同等）；遅くなる行はない。
  • sigmoid IEEE 除算回避（#2588）：make_unary_regcopy が evict_last ロードをサポート——16 バイト全体ベクターのスレッドは tileops::load16_evict_last を通り、末尾ブロックはベクター単位にガードを追加；SigmoidFwdKernel のみこのパスを有効化（残り 37 の単項カーネルは同一の CUDA を生成、357 のカーネルを dtype ごとに対照）。float16 sigmoid は refined_reciprocal（__fdividef の逆数にニュートン法一步、分岐なし）に切り替え、要素単位の範囲チェックと遅いパス呼び出しを置き換え；float16 / bfloat16 の結果は torch.sigmoid とビット一致、float32 は IEEE 除算を維持。forward 入力は vector_aligned を通り、開始要素が 16 バイト境界を越える際のミスアラインアドレスエラーを修正。16M 行は torch-compile を 1.020 倍から 1.042 倍リード；テストノード +2。
  • SM89 スキャン拡幅（#2574）：既存の 16 列プリフィルスキャンを 4096 から 16384 token 区間で 8 値ヘッドから 16 値ヘッドに拡張（≤8 値ヘッドの呼び出しは元の戦略を維持）；同一のスキャンプログラムとビルド同一性を共有し、GDN と DeltaNet が恩恵を受け、KDA は不変。完全なリストを A/B した後、影響を受ける 19 行のワークロードが最終的に 2.5% から 19.7% 高速化。
  • TileOPs のオープン PR は計 16 筆（前回 17）；新規 5 筆：ラスタ永続タイル（#2589）、GemmW4A8FwdOp（#2590、INT4 重み×FP8 アクティベーション）、読み取り専用ページド GQA FP8（#2591）、SM89 長プリフィル 32 列スキャン（#2592）など。

3.3 TileFoundry：インスタンススロット再構築（#232）、lowering コントラクト（#233）と Qwen3.8-27B プリフィル例（#236）の三筆マージ（10-15）

日付：2026-10-15　情報源：インスタンススロット再構築（#232）／ lowering 契約（#233）／ Qwen3.8-27B プレフィル示例（#236）／ analysis コンテキスト（#238）

  • インスタンススロット再構築（#232、03:02 マージ）：モジュール子ノードを明示的な共有インスタンススロットに変更——重複レイヤーは定義を共有しつつ、独立したリソースとインスタンスアイデンティティを保持（所有権コピーは定義を複製し、インライン化はインスタンスアイデンティティを失うため、両者とも破棄）。保持呼び出しは被呼び出し側のステップ単位で分析し、IR 記録は定義ごとに 1 部保存、呼び出し記録は被呼び出し側の要約に等しい。配置アドレスは SSA リーフ単位で共有し、活跃区間は定義単位でキャッシュして呼び出しポイントで翻訳、到達可能インデックス重みは ISL 集合の合併とカウントによる。check_program は 1 回だけクローンする。旧インライン機構と Program を削除。検証：ソースコード全套 1674 通過、11 スキップ。インストール版 161 通過。
  • lowering と printer 契約（#233、05:12 マージ）：著者領域、ストレージ定義、更新ウィンドウ、タイリング carry、段階的所有権、線形反復インデックスを保持。命令准入は ScheduleOp 推論、候補生成、lowering、TIR 検証の間で共有。論理レイアウトとシャードウィンドウ推論を統一し、MMA fragment 宣言と物理レジスタパッキングを修正。SymbolRef.nested は呼び出し元 Module に対する相対的な子スロットパスと定め、検証とコード生成が同一のパーサを共有する。
  • Qwen3.8-27B プレフィル示例（#236、07:45 マージ）：128 から 1024 token のプレフィル示例を追加。意図的に roofline リッジを跨ぐ——128 token はメモリ制限側に落ち（51.4 GB 重みを 4.8 TB/s で約 10.71 ms）、256 token からは演算制限となり、リッジは約 206 FLOP / バイト。SGLang ベースラインは実測により得た（サービングパスの固定オーバーヘッドは短い長さではフォワード自体より大きい）。「複数のプロンプト長が同一実装を共有できるか」に答えるために用いる。
  • オープン PR は計 2 件（前期 3 件）。#238（analysis がアクセスコンテキストごとに定義ファクトを評価）が新規オープン。

3.4 夜間パイプライン：調査期間内に新スナップショットは未確認（10-15）

日付：2026-10-15　情報源：夜間スナップショットブランチ／ 夜間ワークフロー

  • 本レポート生成時点まで、調査期間内に 10-15 の新スナップショットプッシュは未確認——通常の反映時刻は UTC 19:38 から 21:15（北京時間 03:38 から 05:15）。前回のスナップショットは依然 35a25677（10-14：正確性 1105 項目、65 スイート、ベンチマーク 1970 項目、53 スイート、失敗ゼロエラーゼロ）。
  • 夜間ワークフローの直近完了実行の状態は正常。当夜のスナップショットは遅延プッシュまたは実行異常の可能性があり、次期で再確認が必要。

4. コミュニティ、チュートリアルとイベント

4.1 PTO-ISA：tilelangGym SimtVF スイートが形に。SuperNPUBench グループ正規化シングルパスリダクション（10-15）

日付：2026-10-15　情報源：tilelangGym／ SuperNPUBench／ simt_compare ブランチ

  • tilelangGym 七筆（ウィンドウ内 06:47 から 07:59）：シードコミットで独立した SimtVF 標準テストスイートを構築（SV / CF / SP に PTO-DSL を加え、バージョン pins と回帰を含む、#1）。その後、スクリプトとレイアウトの整理、SV1 SIMD keynote と単一 PASS 表（#3）、remat 頂点全 PASS 表と行単位の Simt 対 SIMD-DSL 対照（#4）を完了し、SIMD 約 85% と Simt IPC / bubble / ILP 分析チェーンを ANALYSIS にリンクし、グラフを剪枝して Simt overhead を保留と注記。PTO lowering の性能感度分析のためにデータ台を構築。
  • SuperNPUBench（#245）：perf(normalization): single-pass reduces and balanced gamma/beta for group_norm_grad——グループ正規化逆方向の単趟帰約と gamma / beta 均衡。
  • puzzles-ascend（simt_compare）：per_token/04 は混合案を独立関数に分割し、デモ資料に収録（08:35）。

4.2 サードパーティコミュニティ：BM1690 ボードレベル診断六筆；tilelang-cuda-skills による TileFoundry の初回外部監査（10-15）

日付：2026-10-15　情報源：BM1690 pipelines／ tilelang-cuda-skills／ TileMC／ tilelang-debugger

  • BM1690 パイプラインリポジトリ（算能 TPU）：ウィンドウ内六筆のボードレベル診断——有界 RoPE ウィンドウ診断（ターゲット strides を保持）、インストール済み legacy SDK の初期化と poll 逆アセンブリ記録、再ロード後の RoPE 起動タイムアウトとソーススケーリング監査、BM1690 ドライバ再初期化記録、制限付き復旧準備、ホルダー解放後のボード事前チェック。個人実験リポジトリの連携調整記録に属する。
  • tilelang-cuda-skills：一筆——TileFoundry をサブモジュール方式で vendor（main コミットと cutlass コミットを固定）し、その compile() パスを実験的と公開标注：4 つの emitter バグ（Cast 発射、fill テンソル接尾辞、tensor_view 座標）と reduce-workspace の締めくくり、warps_per_group ディスパッチの 2 つのランタイムバグ、および欠落している host TMA tensor-map emitter を列挙；サポート対象パス（HIR 生成、check / analyze、schedule finalize、TileLang カーネル）を提示し、スキルスイートを tilelang 0.1.15 に再校准。TileFoundry の初回外部監査記録に属する。
  • 静黙項：TileMC（最新 10-14）、easy-tilelang（10-13）、tilelang-debugger（10-10）、SwHwCodesign（10-12）はいずれもウィンドウ内にプッシュなし。

4.3 メディアと学術：Google News / Hacker News / arXiv はウィンドウ内で新規ゼロ（10-15）

日付：2026-10-15　情報源：Google News／ Hacker News 検索／ arXiv 検索

  • Google News の中国語・英語の複数クエリはいずれもウィンドウ内で新規ゼロ——英語クエリは 10-14 のコメント記事を 1 件ヒットしたが、すでにウィンドウ外；中国語クエリはゼロヒット。Hacker News は関連項目ゼロ（2 件の Show HN は曖昧マッチのノイズ）。arXiv に新規プレプリントなし（最新関連は依然として 07-24 の TileSight）。

5. トレンド観察

5.1 PTO は「独立ターゲット」から「一等実行パス」へ

  • #3316 により ascend ターゲットは PTO 実行バックエンドを直接選択できるようになり、ウィンドウ前の #3474（環境変数ターゲット選択、CI デュアルターゲット並行）および審査中の #3512 / #3514 / #3516 / #3511 とともに、PTO を「独立ターゲット、単独リンク」から「Ascend ターゲット上の組み合わせ可能な実行パス」へと変える。これに対し、ascend リポジトリ #1900 は dav-3510（A5）上の静黙数値エラー類の問題が体系的に捕捉され始めたことを明らかにする——一端はインターフェースの収束、一端は検証が深水区に入り、昇騰側のエンジニアリング化が両端で同時に推進されている。

5.2 アテンション家族の収束：長文推論オペレータ面の補完

  • sinks（varlen とページング）の一括マージ、両側スライディングウィンドウ、読み取り専用 RoPE、ページング KV 書き込み、さらに審査中の読み取り専用ページング FP8 と 32 列スキャン――TileOPs のページング / 長コンテキストアテンション行列は整備が進んでおり、FlashInfer、vLLM、FLA の外部対照を検収基準としている。次の観察点は同系統の能力の昇腾への移行（審査中の Sparse MLA、KDA chunk シリーズ）である。

5.3 海光の二線保守と分散方向

  • 海光は v0.1.12-release（収塊スケーリングパッチ）と v0.1.15 メインライン（アップグレードがマージ済みでリリースブランチを樹立）を同時に保守し、さらに distributed ブランチで IPC 集合通信を推進している――「旧線は納品を確保、新線は上流を追跡、新ブランチは分散を担う」という三線構造は明確である。マルチカード通信が実現すれば、海光はシングルカード適配からマルチカードシステム段階へと進む。

5.4 TileFoundry が外部審計期へ

  • 核心リファクタリング（インスタンススロット #232、lowering 契約 #233）が着地した同じ調査期間に、第三者の技能リポジトリが TileFoundry をワークフローに vendor し、emitter とランタイムのバグリストを列挙し、サポート対象パスを画定した――ツールチェーンは実際に使用される圧力の下で外部審計化が始まっている。製品化の典型的な軌跡：土台のリファクタリングの後には、インターフェース契約の収束と欠陥台帳の公開化が続く。

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 7 リポジトリでプッシュあり：tilelang（マージ 3、新規 10）、TileOPs（マージ 6、新規 5）、TileFoundry（マージ 3、新規 2）、tilelang-hygon（マージ 1、新規 1）、tilelang-mlir-ascend（マージ 1、新規 1）、tilelang.github.io（自動更新 1）、TileOPs.github.io（マージ 1）；組織の調査期間内合計はマージ 15 件、新規 24 件、審査中更新 172 件
メインリポジトリ tilelang マージ 3 件（#3316、#3417、#3517）；新規 10 件（#3518、#3520 から #3523、#3530、#3532、#3534 から #3536）；オープン PR は計 165 件（前回 160）；リリースページは調査期間内に新規なし（最新 v0.1.15、09-30）
TileOPs マージ 6 件（#2516、#2537、#2539、#2574、#2586、#2588）；新規 5 件（#2588 から #2592）；オープン PR は計 16 件（前回 17）
海光 / 沐曦 / 摩尔線程 海光：マージ 1 件（#21、v0.1.12-release に着地）、distributed ブランチは調査期間内に 2 回プッシュ（#19 は審査中）；オープン PR は計 2 件（横ばい）。沐曦：調査期間内にプッシュなし（前回 10-13）；オープン PR は計 16 件（横ばい）。摩尔線程：09-30 以降活動なし；オープン PR は計 6 件
昇腾リポジトリ（ascend / mlir-ascend） ascend：調査期間内にプッシュなし、新規 4 件（#1895、#1896、#1899、#1900）；オープン PR は計 237 件（前回 233）。mlir-ascend：マージ 1 件（#202）；オープン PR は計 32 件（横ばい）
TileFoundry マージ 3 件（#232、#233、#236）；新規 2 件（#236、#238）；オープン PR は計 2 件（前回 3）；リリースページに新規なし（最新 v0.0.2、09-10）
TileOPs-nightly 調査期間内に新スナップショットは未確認（前回 35a25677、10-14：正確性 1105 項目 / ベンチマーク 1970 項目、失敗ゼロ）
採用側 TileKernels、FlashQLA ともに調査期間内にプッシュなし（前回活動 10-14 朝、調査期間外）
PTO-ISA とコミュニティ第三者 tilelangGym 7 件（SimtVF スイートが成型）；SuperNPUBench 1 件（#245）；puzzles-ascend simt_compare 1 件；BM1690 pipelines 6 件；tilelang-cuda-skills 1 件（TileFoundry 外部審計）；TileMC / easy-tilelang / tilelang-debugger / SwHwCodesign は調査期間内にプッシュなし
Google News / Hacker News / arXiv Google News は調査期間内に新規ゼロ（10-14 の評論記事 1 件は調査期間外）；HN は関連項目ゼロ；arXiv は新規プレプリントなし

完全な情報源リスト

** analysis コンテキスト（#238） — https://github.com/tile-ai/TileFoundry/pull/238