모니터링 기간: 2026-11-10 07:00 ~ 2026-11-11 07:00 (베이징 시간, 24시간; 이전 기간 마감 시점은 11-10 07:00).

출처: GitHub tile-ai 조직 저장소별 점검(30개 저장소, 기간 내 푸시 7개, 그중 3개는 문서 사이트, 야간 스냅샷 및 gh-pages 자동 푸시) + 병합 및 심사 중 실값 검색(기간 내 병합 9건, 심사 중 업데이트 42건, 신규 오픈 issue 10건) + 메인 브랜치 커밋별 점검(tilelang 3, TileOPs 4, tilelang-musa 1) + 릴리스 페이지 점검(tilelang / TileOPs / TileFoundry / tilelang-musa 4개 저장소, 기간 내 신규 버전 없음; 0.1.16 버전 번호 PR은 여전히 보류 중) + 채택처 2개 저장소 + 서드파티 저장소 커밋별 점검(TileLang–Weft 시리즈 40건, Hexagon 백엔드 저장소) + Google News 중영문 3개 쿼리(프록시 경유) + Hacker News + arXiv + 인접 기술 동향(Meta TLX 릴리스). RISC-V 4개 소스 특별 점검 24시간 동안 변화 없음.


이번 호 인덱스

  • 오늘의 핵심: 병합이 21건에서 9건으로 감소, 메인 저장소는 CUDA 명령어 수준 원시 연산으로 전환; TileOPs 4건 모두 DeltaNet의 공유 메모리 예산 관련; 0.1.16 버전 번호 PR 여전히 보류 중

    1. 핵심 프로젝트 진행
      • 1.1 메인라인: CUDA에 L2 프리패치 명령어 및 6단계 퇴출 우선순위 추가, 기본이 아닌 우선순위는 SM80 이상 요구 (11-10)
      • 1.2 메인라인: NaN 전파의 대칭 clamp가 단일 min.NaN.xorsign.abs로 축소 (11-10)
      • 1.3 메인라인: CI가 PR 라벨 변경으로 인해 전체 프로세스를 재시작하지 않음, ROCm 워치독이 워크플로 타임아웃 위로 상향 (11-11)
      • 1.4 메인라인: 0.1.16 버전 번호 PR 여전히 보류 중, 기간 내 신규 tag 없음 (11-10)
    1. 멀티 백엔드 적응
      • 2.1 Ascend: host-mapped 버퍼 파라미터 심사 중, 14개 파일에 529줄 추가 (11-10)
      • 2.2 Ascend: 일일 테스트 3060항목 전부 통과, 캐시 커널의 adapter 경로 수정 심사 중 (11-10)
      • 2.3 MetaX: README 설치 섹션이 단일 명령 그룹으로 통합, 중복 단계 및 버전 확인 명령 삭제 (11-10)
      • 2.4 Hygon: 분산 3종 융합 연산자 심사 중, Block-Push 및 Block-Pull 두 가지 통신 경로 (11-10)
      • 2.5 Metal: SIMD-group 목적지 측 범위 초과 쓰기가 M4에서 재현, 수정은 증명 가능한 풋프린트를 전제로 함 (11-10)
      • 2.6 mlir-ascend: harness 지식 베이스 강화가 harness 브랜치에 병합, Ascend 950 AscendC를 유일한 PR 게이트로 수렴 (11-10)
  • 2.5. RISC-V 백엔드 및 커뮤니티 (특별 관찰)
    • 2.7 4개 소스 점검: 연속 네 번째 기간 변화 없음, TVM 및 MLIR 두 라인 모두 원래 참조에서 정지 (11-11)
    • 2.8 신규 관찰: TileLang–Weft의 CPU/RVV 라인 하루 40건 커밋, 553개 벤치마크 전부 수치 검사 통과 (11-10)
    1. 생태계 및 채택처
      • 3.1 TileOPs: 33~40 token의 W4A8 호출이 40 token 디코딩 타일로 변경, 표 외 그리드 4.3%~11.3% 빠름 (11-10)
      • 3.2 TileOPs: DeltaNet 순방향이 디바이스 공유 메모리 예산에 따라 분기, SM89가 chunk 128 경로 재확보 (11-10)
      • 3.3 TileOPs: 역방향 w/u 프로그램이 버퍼 재사용, 114944바이트에서 98560바이트로 압축 (11-10)
      • 3.4 TileOPs: 테스트가 cluster 및 공유 메모리 사실에 따라 분기, SM89 실패 9건에서 3건으로 감소 (11-10)
      • 3.5 TileOPs: paged GQA 분할 카운트가 기간 내 key 타일을 상한으로 함, 심사 중 (11-10)
      • 3.6 TileFoundry: 하루 6건의 분석기 및 사양 결함 issue, 그중 2건은 TileOPs 작성자가 교차 저장소로 제기 (11-10)
      • 3.7 서드파티: Hexagon NPU 백엔드가 빈 껍데기에서 엔드사이드 모델을 실행 가능한 브랜치로 성장, LFM2-1.2B 전 과정 NPU에서 실행 통과 (11-10)
    1. 커뮤니티, 튜토리얼 및 활동
      • 4.1 뉴스 측: 중영문 3개 쿼리 기간 내 적중 제로, HN 및 arXiv도 관련 항목 없음 (11-10)
      • 4.2 인접 동향: Meta가 TLX 블로그 게시, Triton의 저수준 확장이 이미 3개 프로덕션 워크로드에서 운영 중 (11-10)
      • 4.3 신규 issue: PTO 다중 Cube/Vector 영역에서 중복 물리 세그먼트 보고, 테스트 데일리 리포트 기준 3060항목 전부 통과 (11-10)
    1. 트렌드 관찰

오늘의 핵심

이 모니터링 기간에는 9건의 머지만 있었고, 이는 직전 기간의 21건에 절반에 못 미치는 수치이지만 구조는 완전히 달라졌습니다. 메인 저장소 기여는 3건으로, 주제는 CUDA 명령어 수준 원시 연산입니다. #3490은 L1 및 L2 프리페치 명령어를 6단계 축출 우선순위와 함께 전역 로드 템플릿에 넣었고, #3605는 「NaN 전파의 대칭 클램프」를 단일 min.NaN.xorsign.abs로 직접 내렸으며, #3911은 PR 라벨 변경으로 촉발되는 전체 CI 재시작을 정리했습니다. 이 세 건은 모두 특정 연산자의 점수를 올리기 위한 것이 아니라, kernel 작성자에게 사용 가능한 저수준 원시 연산과 더 효율적인 피드백 루프를 보충해 주는 것입니다.

두 번째 사항은 TileOPs의 4건으로 모두 DeltaNet에 있으며, 전부 동일한 물리적 제약을 둘러싸고 있습니다. SM89는 공유 메모리가 101376바이트뿐입니다. #2891은 정방향에서 chunk 128, head 차원 128일 때 state walk의 출력 패스(dim_v 64는 114688, dim_v 128은 131072 필요)가 들어갈 수 있는지 먼저 확인하고, 들어갈 수 없으면 98560바이트만 필요한 recurrence로 우회합니다. #2890은 역방향의 w/u 프로그램에 reuse 스위치를 추가하여, 동일 head 차원에서 S, du, Aw가 마지막 읽기 이후 dh, v_new, Au의 버퍼를 인계받도록 하여 114944를 98560으로 다시 압축합니다. #2889는 SM90 cluster에서만 성립하는 LayerNorm split 사용 사례와 반드시 196608바이트가 필요한 두 개의 선형 어텐션 사용 사례를 사실대로 표시하여, SM89에서의 실패 수를 9건에서 3건으로 줄였습니다. 세 건을 합치면 완전한 「예산—분기—테스트 기준」 폐루프입니다.

세 번째 사항은 버전이 여전히 계류 중이라는 점입니다. #3887(0.1.16 버전 번호)은 11-09 03:07 이후 어떠한 업데이트도 없었고 여전히 병합되지 않았으며, tag 최신은 여전히 09-30의 v0.1.15입니다. 진짜 기록할 만한 것은 #3911에서 곁들여 언급된 한 가지입니다. ROCm runner의 watchdog이 워크플로 타임아웃 위로 올라갔으며, 이전에는 AMD 쪽 작업이 40분에 잘렸습니다. 이는 AMD 측 PR 피드백이 항상 NVIDIA보다 한 박자 느린 이유를 설명합니다.

네 번째 사항은 네 소스 밖에 있습니다. RISC-V 특별 점검의 네 업스트림은 여전히 변화가 없지만, 서드파티 Tianchen-ai/tilelang-weft(업스트림 fork, Weft CPU 프로그래밍 모델 추가, RISC-V와 x86이 하나의 물리 pass를 공유)는 모니터링 기간 내에 17건을 커밋했고, 그 벤치마크 저장소 tilelang-weft-bench는 다시 23건을 커밋하여 SG2044, K1, K3 A100와 x86을 아울러 총 553건의 연산자 사용 사례, 543건의 외부 대조를 커버합니다. 수치 검사는 553/553 전부 통과했지만 「참조 구현보다 빠름」은 41건뿐이며, SG2044에서 중위 원시 가속비는 0.0580배입니다. 이는 현재 확인할 수 있는 가장 정직한 RISC-V CPU 측 격차 정량화입니다.

출처: https://github.com/tile-ai/tilelang/pull/3490 , https://github.com/tile-ai/TileOPs/pull/2891 , https://github.com/tile-ai/TileOPs/pull/2890 , https://github.com/tile-ai/tilelang/pull/3911 , https://github.com/Tianchen-ai/tilelang-weft


1. 핵심 프로젝트 진행 상황

1.1 메인라인: CUDA에 L2 프리페치 명령어와 6단계 축출 우선순위 보충, 비기본 우선순위는 SM80 이상 요구 (#3490)

#3490(6개 파일, +185/−1)은 이전에 누락되었던 세 가지 프리페치 내장을 보충했습니다. L1 프리페치, uniform L1 프리페치, L2 프리페치이며, 동시에 「축출 우선순위」를 일급 파라미터 EvictPriority로 만들어 기본, 일반 축출, 우선 축출, 마지막 축출, 변경하지 않음, 할당하지 않음의 6단계로 구성했습니다. 전역 로드 템플릿도 그에 맞춰 개조되었습니다. 기존에 고정 폭으로 하드코딩된 로드 래퍼가 템플릿화된 API로 대체되어, 비일관(non-coherent) 로드, L1 축출 우선순위, 그리고 L2 프리페치 바이트 수를 지정할 수 있습니다.

동작 경계는 명확하게 작성되었습니다. 기본 우선순위의 L2 프리페치는 일반 전역 또는 지역 명령어로 처리되고, 나머지 우선순위는 evict_normal, evict_last로 매핑되며 컴퓨트 능력 8.0 이상을 요구합니다. 해당 임계값 미만의 장치에서는 이러한 조합이 성립하지 않습니다. kernel 작성자에게 의미하는 바는, 과거에 prefetch.global.L2::evict_last와 같은 동작을 얻으려면 직접 인라인 어셈블리를 넣어야 했지만 이제는 TileLang 소스에서 선언할 수 있고 컴파일러가 대상 아키텍처에 따라 경로를 선택한다는 것입니다.

출처: https://github.com/tile-ai/tilelang/pull/3490

1.2 메인라인: NaN 전파의 대칭 clamp를 단일 min.NaN.xorsign.abs로 내림 (#3605)

#3605(7개 파일, +203/−1)에서 T.clamp_symmetric(x, limit)가 추가되었다. CUDA SM86 이상에서 FP16, BF16, FP32 세 가지 피연산자를 모두 [-limit, limit]로 균일하게 클램프하며, 부호 있는 0과 비정규 수를 보존한다. 임의의 피연산자가 NaN이면 정규 NaN을 반환하며, 원래 NaN의 부호와 페이로드는 보존하지 않는다. 비양수 수치 상한은 API 계약에 포함되지 않으며, 기존 T.clamp는 영향을 받지 않는다.

구현은 곧바로 min.NaN.xorsign.abs.*로 내려가며, 스칼라당 또는 FP16/BF16 쌍당 한 번의 클램프 명령을 수행하고, 벡터 입력은 기존의 벡터화 가능 연산자 등록과 CUDA 패킹 발사 경로를 타며 런타임 검사를 도입하지 않는다. 검증 기준은 매우 엄격하다. 언어와 코드 생성 두 테스트 스위트에서 86개 통과 2개 스킵. CUDA 13.1에서 SM86과 SM100에 대해 SASS 검사를 수행하여 FMNMX.NAN.XORSIGN, HMNMX2.NAN.XORSIGN, HMNMX2.BF16_V2.NAN.XORSIGN 세 가지 스칼라 및 패킹 형태가 모두 예정대로 나타남을 확인했다. 이런 변경의 가치는 수치 안정성에 있다. 양자화 추론에서 클램프가 NaN을 잃는 것은 흔한 무음 오류 원인이며, 의미를 하드웨어 명령 하나에 맡기면 NaN이 더 이상 조용히 경계값으로 변하지 않는다.

출처: https://github.com/tile-ai/tilelang/pull/3605

1.3 메인라인: CI가 PR 라벨 변경으로 전체 파이프라인을 재시작하지 않으며, ROCm 워치독이 워크플로 타임아웃 위로 상향됨(#3911)

#3911(1개 파일, +2/−2)은 트리거 조건만 변경하지만, 문제 설명은 기록할 가치가 있다. 메인 CI는 이전에 labeled와 unlabeled 두 이벤트 모두에서 트리거되었고, CodeRabbit은 새로 열린 PR에 여러 라벨을 한 번에 붙이기 때문에 동일한 PR이 몇 초 안에 여러 번 완전히 동일한 전체 CI 실행을 생성했다. 공유 동시성 그룹이 이 실행들을 하나씩 취소하여 마지막 하나만 남겼다.

실증은 #3908에서 확인되었다. 네 개 라벨이 동일한 타임스탬프로 떨어져 네 번의 CI가 생성되었고, 원본 실행과 처음 세 번의 대체 실행이 모두 취소되었으며, 어떤 CI 작업도 PR 라벨을 읽지 않아 이 재시작들은 어떤 커버리지도 제공하지 않았다. 변경 방법은 이 두 이벤트를 트리거에서 제거하고 opened, synchronize, reopened, ready_for_review와 수동 트리거를 유지하며, 동시성 정책이 계속해서 만료된 헤드 업데이트 취소를 담당한다. 같은 변경에서 ROCm runner의 워치독 임계값을 워크플로 타임아웃 위로 올려 AMD 작업이 더 이상 40분에 강제 종료되지 않도록 했다.

출처: https://github.com/tile-ai/tilelang/pull/3911

1.4 메인라인: 0.1.16 버전 번호 PR은 여전히 대기 중, 모니터링 기간 내 새 tag 없음(11-10)

#3887([Release] Bump version to 0.1.16)의 마지막 업데이트는 11-09 03:07에 멈춰 있으며, 모니터링 기간 내 어떠한 진전도 없었고 여전히 병합되지 않았다. 네 개 저장소의 릴리스 페이지 모두 모니터링 기간 내 새 버전이 없었다. tilelang은 여전히 09-30의 v0.1.15(tag 시퀀스 v0.1.15부터 v0.1.11), TileOPs는 10-27의 v0.1.0, TileFoundry는 10-25의 v0.0.4rc1, tilelang-musa는 09-30의 v0.1.15+musa.1이다.

버전과 관련된 또 다른 관찰은 구조 측면에 있다. #3490, #3605 두 CUDA 원시 연산이 메인 브랜치에 직접 들어갔고, #3903(프로세스 병렬 컴파일), #3897(CPU 측 cumsum/cummax)은 여전히 리뷰 중으로, 0.1.16의 기능 면이 마무리되지 않고 여전히 두터워지고 있음을 보여준다. 버전 번호가 확정되면 다운스트림은 메인 저장소 tag와 백엔드 저장소의 musa.*, ascendc_pto 두 브랜치 라인을 동시에 확인해야 한다.

출처: https://github.com/tile-ai/tilelang/pull/3887

2. 멀티 백엔드 적응

2.1 Ascend: host-mapped 버퍼 파라미터 리뷰 중, 14개 파일에 529줄 추가(#3909)

#3909는 #3802가 CUDA 측에서 확립한 명시적 host-mapped 버퍼 계약을 Ascend로 확장한다. 이전에는 Ascend kernel이 CPU 텐서 파라미터를 일률적으로 거부했으며, 그 저장소가 NPU에서 가시적이더라도 호출자는 텐서 검증을 꺼서 우회할 수밖에 없었다. 변경은 동일한 T.annotate_host_mapped_buffers(...) API로 선언하며, Cython과 TVM-FFI 두 바인딩 모두 aclrtHostGetDevicePointer로 매핑을 검증하고 장치 가시 주소를 전달하며, dtype, 형상, 스트라이드, 실행 장치 네 가지 검사를 유지한다. C++ 바인딩은 원래 시그니처를 유지하며 기존 장치 유형에 따라 런타임 쿼리를 선택한다. Cython 측은 기본적으로 여전히 CUDA 파서를 사용하며, Ascend만 선택적 파서를 제공한다.

이는 이전 모니터링 기간에 리뷰 중이던 #3892(torch.compile 지원), #3893(L0C 누산기 직접 역양자화), #3891(L2 플러시 API)과 같은 라인에 속한다. Ascend 측에서 현재 보완하고 있는 것은 연산자 목록이 아니라 인터페이스와 의미론적 일관성이다.

출처: https://github.com/tile-ai/tilelang/pull/3909

2.2 Ascend: 일일 테스트 3060개 전부 통과, 캐시 커널의 adapter 경로 수정 심사 중 (11-10)

tilelang-ascend 측에서 모니터링 기간 내 새로 열린 두 기록은 모두 같은 이야기를 하고 있다. 회귀 범위가 확대되고 있다는 것이다. #2001의 일일 테스트 데일리 리포트는 11-10 11:38의 한 차례 실행을 기록했는데, 3060개 항목이 전부 통과해 통과율 100%였다. #2002([Bugfix] Restore adapter library path when loading cached kernels)는 심사 중으로, 캐시에서 커널을 로드할 때 adapter 라이브러리 경로가 복원되지 않는 문제를 수정한다. 이는 「동일 커널이 처음 실행될 때는 정상이나 두 번째 캐시 로드 시 라이브러리를 찾지 못하는」 캐시 적중 경로에서만 나타나는 문제다.

이전 회차들과 대조해 보면, 해당 저장소의 기본 브랜치 ascendc_pto의 최신 머지는 여전히 11-06의 일곱 건이며, 11-09와 11-10 두 모니터링 기간 모두 새 머지가 없고 심사 대기열은 계속 증가하고 있다(이번 기간에도 #2000 비트 연산 PTO uint8 래핑, #1998 복사 테스트 커널 자동 동기화 등의 업데이트가 있었다). 테스트 규모가 3060개 항목까지 올라갔는데 머지가 정체된 것은 병목이 실제로 개발이 아닌 리뷰에 있음을 보여준다.

출처: https://github.com/tile-ai/tilelang-ascend/issues/2001 , https://github.com/tile-ai/tilelang-ascend/pull/2002

2.3 MetaX: README 설치 섹션이 하나의 명령 세트로 정리, 중복 단계와 버전 확인 명령 삭제 (#12)

#12(1개 파일, +10/−49)는 문서 순삭제 변경이다. 문제는 구체적이었다. README에 반복적으로 등장하는 단일 패키지 설치 명령 때문에 사용자가 TileLang-MUSA만 설치하고 TVM FFI나 환경 설정을 놓칠 수 있었다. 수정 방식은 설치 섹션에 하나의 명령 세트만 남겨 TileLang-MUSA v0.1.12+musa.5와 TVM FFI를 동시에 설치하고, 명령 앞뒤로 각각 MUSA 설치 안내와 문서 개요로 연결하는 것이다. Latest News와 TileOPs 두 섹션은 통일하여 설치 문서를 가리키게 하고, 중복 명령과 별도의 소스 설치 단계, 버전 확인 명령을 삭제했다. GEMM 예제는 한 글자도 바뀌지 않았다.

기준에 대한 알림은 여전히 유효하다. 문서의 v0.1.12+musa.5는 SDK 동봉 채널의 버전 번호이며, 오픈소스 릴리스 페이지의 최신 태그는 09-30의 v0.1.15+musa.1로 둘은 서로 대체할 수 없다.

출처: https://github.com/tile-ai/tilelang-musa/pull/12

2.4 Hygon: 분산 3종 융합 연산자 심사 중, Block-Push와 Block-Pull 두 가지 통신 경로 (#36)

#36(6개 파일, +2022/−0)은 같은 날 업데이트되어 한 번에 세 가지 계산-통신 융합 연산자를 추가했다. Block-Push 버전의 GEMM + AllReduce, Block-Push 버전의 GEMM + ReduceScatter, Block-Pull 버전의 AllGather + GEMM이며, 성능 데이터와 구현 설명은 README에 작성되어 있다. 이는 Hygon 저장소에서 처음으로 분산 방향의 규모 있는 커밋이 등장한 것이다. 이전까지 해당 저장소의 작업은 단일 카드 측(11-06의 scaled cast #33과 HCU reduce lane swap 레이아웃 추론 #34)에 집중되어 있었다.

세 연산자는 두 가지 통신 개시 방식에 대응한다. Push는 계산 측이 능동적으로 결과를 상대에게 밀어주고, Pull은 계산 측이 상대의 allgather 결과를 당겨온다. 어느 경로를 선택할지는 통신 도메인 크기와 중첩 창에 따라 달라지며, README에 대조 데이터가 제공되어 토폴로지에 따른 선택에 적합하다. 해당 PR은 여전히 열린 상태이며 아직 머지되지 않았다.

출처: https://github.com/tile-ai/tilelang-hygon/pull/36

2.5 Metal: SIMD-group 목적지 범위 초과 쓰기가 M4에서 재현, 수정은 증명 가능한 풋프린트를 전제로 (11-10)

#3907이 보고한 것은 조용한 범위 초과 쓰기다. 명시적인 8x8 metal.simdgroup 행렬을 8x1 출력에 복사할 때, 컴파일러는 행 스트라이드가 1인 전체 simdgroup_store를 생성한다. 논리적 출력은 정확하지만 출력 이후의 일곱 요소를 덮어쓴다. 재현 환경은 상세히 기록되어 있다. Apple M4, tvm_ffi, 컴파일 캐시 비활성화, 그리고 추가 백업 저장소를 센티널로 사용해 범위 초과 쓰기를 검출했다. 업스트림 기준선은 72d986e1이다.

수정 PR #3912(2개 파일, +116/−1)의 방식은 런타임 검사를 추가하는 것이 아니라, 각 SIMD-group 저장을 생성하기 전에 산술 분석기가 해당 전체 8x8 풋프린트가 목적 버퍼와 요청된 목적 영역 내에 동시에 위치함을 증명하도록 요구하는 것이다. 증명할 수 없으면 하강 단계에서 읽을 수 있는 ValueError를 발생시키며, 마지막 요소가 정확히 경계에 위치하는 전체 타일은 여전히 지원된다. 같은 모니터링 기간에 #3906([Metal] Resolve the auto execution backend to tvm_ffi)도 심사 중으로, 동일 백엔드의 실행 경로 정리에 해당한다. Metal 측은 이번 달에 이미 세 번째로 모니터링 기간 내에 등장했으며, 연산자 보충에서 정확성 경계 보충으로 전환하는 것은 보통 누군가가 실제로 Apple 칩에서 장난감이 아닌 형태를 실행하기 시작했음을 의미한다.

출처: https://github.com/tile-ai/tilelang/issues/3907 , https://github.com/tile-ai/tilelang/pull/3912 , https://github.com/tile-ai/tilelang/pull/3906

2.6 mlir-ascend: harness 지식 베이스 강화가 harness 브랜치에 병합, Ascend 950 AscendC가 유일한 PR 게이트로 수렴 (11-10)

#217(파일 4개, +140/−16)이 main이 아닌 harness 브랜치에 병합되었다는 점을 명시해야 한다. 해당 저장소의 기본 브랜치는 main이며, 이번 모니터링 기간 동안 main에는 커밋이 전혀 없었다. 변경 내용은 탐색 과정에서 축적된 지식을 안정적으로 보존하기 위한 것이다. hot 지식을 기록할 때 증거 스냅샷을 함께 저장하여, 이후 테스트 보고서 업데이트가 과거 기록을 무효화하지 않도록 한다. 동일한 승인 번호로 서로 다른 지식 항목을 승인하는 것을 금지한다. cooled 지식은 임시 작업 공간 외부에 저장한다. 지식 디렉터리에 손상된 파일이 있을 경우 알림을 표시하고 다른 정상 지식을 계속 열람할 수 있도록 허용하되, 승인 번호의 중복 여부를 확인할 수 없는 경우에는 새로운 cooled 지식 생성을 일시 중단한다. 「해당 없음」 필드의 기입 방식을 통일하고, 심사 대기 중인 지식과 코드 후보의 명명을 구분한다. 검증 기준은 CPU 테스트 25건 통과이다.

심사 중인 #222([CI][Ascend] Make Ascend 950 AscendC the only PR 게이트)는 기록해 둘 만하다. PR 게이트를 Ascend 950의 AscendC 한 갈래로 수렴시킨다는 것은, 해당 저장소가 더 이상 구세대 Ascend를 위해 병렬 게이트를 유지하지 않는다는 의미이다. 병합될 경우 Ascend 950이 mlir-ascend의 유일한 진입 기준선이 된다.

출처: https://github.com/tile-ai/tilelang-mlir-ascend/pull/217 , https://github.com/tile-ai/tilelang-mlir-ascend/pull/222

2.5. RISC-V 백엔드와 커뮤니티 (특별 관찰)

2.7 4개 출처 점검: 4번째 연속 모니터링 기간 무변화, TVM과 MLIR 두 갈래 모두 기존 참조에 정체 (11-11)

정해진 4개 출처를 하나씩 참조와 대조한 결과, 24시간 모니터링 기간 내 모두 변화가 없었다:

  • kubuds/tilelang-riscv-kubuds(TVM 백엔드 노선)의 두 kubuds- 브랜치는 kubuds-riscv-karen fc62939, kubuds-riscv-mahiru 33e0c89에 정체되어 있으며, main은 업스트림 동기화에 불과하다;
  • RuyiAI-Stack/tilelang-riscv(MLIR 재작성 노선, target="riscv")의 main은 57c548c에 정체;
  • TongmingLAIC/tilelang-riscv(커뮤니티 인덱스 페이지)의 main은 4499c2a에 정체, 표 내 프로젝트의 추가·삭제 없음;
  • TongmingLAIC/tilelang-tpu(SOPHGO TPU)의 main은 303759f에 정체, feature/sg2260e-rv-support는 122bc59에 정체, 나머지 브랜치 참조는 불변.

이는 이미 4번째 연속 모니터링 기간(11-07, 11-09, 11-10, 11-11 기록 보관)의 무변화이다. 정해진 기준에 따라 스크립트 출력이 비어 있으면 「무변화」로 기록하며, 수집 실패로 간주하지 않는다.

출처: GitHub 4개 출처 항목별 참조 대조(모니터링 기간 내 무변화), 단일 항목 링크 없음.

2.8 신규 관찰: TileLang–Weft의 CPU/RVV 노선, 하루 40건 커밋, 553개 벤치마크 전부 수치 검사 통과 (11-10)

4개 출처 외에 더 활발한 RISC-V 노선이 나타났으며, 이번 호에서 처음으로 기록할 만한 사실 분량을 갖추었다. Tianchen-ai/tilelang-weft는 업스트림 tilelang v0.1.15의 fork로, Weft CPU 프로그래밍 모델을 추가한다. TileLang 네이티브 AST 위에 Encoding 필드와 비트 레이어, 논리 축과 타일 도메인, Level과 단계별 스냅샷, 제한된 비트 폭의 그룹 partials와 명시적 변환, 그리고 루프별 파이프라인 깊이의 다섯 가지 작성자 정보를 추가한 뒤, 공유 물리 pass 세트가 RISC-V와 x86을 동시에 커버한다. 동일한 소스 코드 구성이 각각 RVV/IME 또는 x86 SIMD/AMX의 구현 경로로 진입한다. 모니터링 기간 내 해당 저장소에 17건이 커밋되었고, 벤치마크 저장소 tilelang-weft-bench에 다시 23건이 커밋되었으며, 주로 패킹 행 디코딩(Q1/Q2/Q4_K/Q6_K/IQ3/IQ4), IME1/IME2 레코드 수준 축소, 런타임 K 차원 리덕션과 동적 rotary 순회에 집중되었다.

기준 결과는 원문 그대로 인용할 가치가 있다. 150개의 연산자 ID가 553개의 플랫폼 케이스(SG2044 133, K1 137, K3 A100 136, x86 147)를 구성하며, 543개 케이스에는 대조 가능한 외부 참조 구현이 있다. 수치 검사는 553/553 전부 통과했지만, “참조 구현보다 빠름”에 해당하는 것은 41개 케이스뿐이며, SG2044의 중위 네이티브 가속비는 0.0580배, K1은 0.1143배, K3 A100은 0.1074배이고, x86 측은 해당 표에 기재되지 않았다. 이 데이터 라인의 가치는 점수에 있지 않고, “TileLang으로 RISC-V CPU 연산자를 작성할 때 수작업 네이티브 라이브러리와 얼마나 차이가 나는가”를 처음으로 단일 연산자 입도까지 정량화했으며, 전부 재현 가능하다는 점에 있다(벤치마크 저장소에 제약 파일과 CSV 내보내기가 포함되어 있음).

두 가지 기술 노선을 구분할 필요가 있다. Weft는 TileLang 네이티브 AST를 조기에 자체 Canonical IR로 가져오는 CPU 노선을 걸었고, kubuds- 접두사 브랜치가 이어가는 TVM 백엔드, RuyiAI-Stack/tilelang-riscv의 MLIR Linalg/SCF 재작성과는 동일한 구현이 아니며, 세 가지를 혼동해서는 안 된다.

출처: https://github.com/Tianchen-ai/tilelang-weft , https://github.com/Tianchen-ai/tilelang-weft-bench

3. 생태계와 채택 측

3.1 TileOPs: 33~40 token의 W4A8 호출이 40 token 디코딩 타일로 전환, 표 외 그리드에서 4.3%~11.3% 빠름(#2888)

#2888(파일 2개, +69/−47)은 규칙 판정의 어긋남을 수정한다. 132개 SM의 H200에서 33~40 token의 W4A8 호출은 128행 타일 수가 SM 수를 초과하면 “133~225개 타일, K가 7168 / 7680 / 8192”인 구간에 들어가 계속 prefill 경로를 타게 되는데, 이러한 부류의 호출은 사실 40 token의 디코딩 타일로 가야 한다.

근본 원인은 한 차례 지나면 두 경로의 완료 순서가 역전되는 것이다. prefill 커널은 stream-K로 타일을 분할하고, 디코딩 커널의 연속 항목이 앞에서 실행된 것이 먼저 완료되며, 기존 구간은 일부 그리드만 커버했고 나누어떨어지는 그리드 일부도 잘못 포함했다. 그 그리드에서는 오히려 prefill이 먼저 완료된다. 수정 방법은 구간을 좁혀 실제로 prefill에 남겨야 할 네 가지 상황만 유지하는 것이다(N이 128의 배수가 아님, K가 512의 배수가 아님, 512−K 항목이 SM에서 나누어떨어짐, 64행 가중치 블록이 2의 거듭제곱이고 최소 512 KiB 간격). 표 외 그리드에서 메인 브랜치보다 4.3%~11.3% 빠르다.

같은 변경에는 이전에 아무도 커버하지 않았던 테스트도 추가되었다. 디코딩 커널의 CTA 간 준비 플래그 재설정 누락이다. Result 행에는 below bar로 표시되어, 해당 항목의 성능 목표 기준에 미달함을 의미하지만, 수정한 것은 판정 규칙 자체이므로 “잘못된 경로를 올바른 경로로 바꾼 것”이지 “파라미터 조정으로 점수 올리기”가 아니다.

출처: https://github.com/tile-ai/TileOPs/pull/2888

3.2 TileOPs: DeltaNet 순방향이 디바이스 공유 메모리 예산에 따라 분기, SM89가 chunk 128 경로 회복(#2891)

#2891(파일 2개, +78/−27)은 #2645가 남긴 문제를 잇는다. 그 변경은 dim_k가 chunk 길이의 두 배 미만인 호출을 일괄 state walk로 보냈는데, walk는 chunk 128, dim_v 64일 때 출력 패스에 최소 114688바이트 공유 메모리(dim_v 128일 때 131072)가 필요하고, SM89는 101376만 제공하므로 이러한 호출은 SM89에서 바로 사용 불가능해졌다. 반면 커널에 유지된 recurrence는 98560바이트만 필요하다.

수정 방법은 커널이 walk의 하한이 실제로 수용 가능할 때만 walk를 타고, 그렇지 않으면 recurrence를 타도록 하며, refusal 경로는 둘 중 더 작은 한계를 읽는다. 이미 메인 브랜치에서 서비스되는 호출은 SM80, SM89, SM90 세 가지 예산에서 기존 프로그램을 그대로 유지한다.

성능 기준은 사실대로 기록한다. SM89에서 메인 브랜치는 이러한 호출을 거부하므로, 베이스라인은 FLA의 chunk_delta_rule 순방향(자체 chunk는 64)을 사용할 수밖에 없으며, chunk 128, dim_k 128에서 본 변경은 FLA보다 9%~41% 느리다(여섯 그룹 케이스의 TileOPs/FLA 비율은 1.41, 1.21, 1.28, 1.09, 1.28, 1.09). SM90에서는 메인 브랜치가 원래 서비스 가능하며, 메인 브랜치 대조 세 그룹 케이스 비율은 모두 1.00으로 회귀가 없다. 테스트 측에는 test_deltanet_fwd_serves_chunk_128_in_sm89_shared_memory를 새로 추가했으며, SM89의 디바이스 사실에 따라 분기 결정을 검사하므로 SM90의 CI에서도 실행할 수 있다.

출처: https://github.com/tile-ai/TileOPs/pull/2891

3.3 TileOPs: 역방향 w/u 프로그램이 버퍼를 재사용, 114944바이트에서 98560바이트로 압축(#2890)

#2890(파일 3개, +155/−20)은 직전 변경과 짝을 이루는 나머지 절반입니다. #2625 이후, 역방향 w/u 프로그램은 나온 dh에서 du, dk_corr, dw를 다시 조립해야 하는데, TileLang 0.1.12는 dh와 S, v_new와 du를 각각 다른 버퍼에 두고 있으며, 이들의 수명 주기가 겹치지 않음에도 프로그램은 114944바이트를 차지해 SM89의 101376을 초과합니다.

수정 방법은 compute_w_u_bwd_tl에 reuse 스위치를 추가하고 동일 head 차원에서만 활성화하는 것입니다. S, du, Aw는 각자의 마지막 읽기 이후 dh, v_new, Au의 버퍼를 이어받아 프로그램이 98560바이트로 줄어듭니다. 커널은 “스위치를 추가하지 않았을 때의 한계가 디바이스 공유 메모리를 초과할 때”에만 설정되며, refusal도 reuse가 적용된 한계로 읽습니다. 다른 두 곳도 함께 수정되었습니다. walk는 이제 “단일 단계로 수용 가능한” 너비에서만 value 타일을 선택합니다(이전에는 batch 8, 16 head, head 차원 128/128의 16비트 사례에서 131072바이트가 필요한 타일을 선택해 SM89에서 시작 즉시 실패했습니다). _parallel_live_bytes는 각 chunk의 그래디언트 프로그램이 partial du를 조립할 때 여전히 보유하는 c×c 어텐션 타일을 추가로 계산했습니다.

마지막 항목은 일련의 연쇄 결론을 이끌어냅니다. 추가 계산 이후 refusal은 SM90에서도 메인 브랜치가 통과시켰으나 실행되지 않는 세 건의 호출을 거부하게 됩니다(16비트 chunk 64, head 차원 256/256은 SM90에서 시작 시 237568바이트 필요). 또한 16비트 chunk 128, head 차원 32/256과 float32 chunk 64, 32/256이 메인 브랜치에서 시작 실패하며, 16비트 chunk 128, 16/256은 아예 컴파일되지 않음을 식별했습니다. 역방향 벤치마크(bf16, batch 4, 4096 토큰, 8 head, chunk 64, head 차원 128/128)는 1.530밀리초 대 FLA 1.554밀리초로 비율 0.98입니다.

출처: https://github.com/tile-ai/TileOPs/pull/2890

3.4 TileOPs: 테스트를 cluster 및 공유 메모리 사실에 따라 분기, SM89 실패 9건에서 3건으로 감소 (#2889)

#2889(파일 3개, +26/−2)는 이 두 수정의 테스트 기준을 맞춘 것입니다. “행이 0에서 멀어도 행 기준으로 정규화”를 단언하는 LayerNorm 융합 덧셈 사례의 split 브랜치는 FusedAddLayerNormHeldKernel을 구성하는데, 이 커널은 cluster가 각 12288 너비 float32 행을 분할할 수 있을 때만 해당 행을 보유하며 cluster는 SM90에만 있습니다. SM89에서 held 커널의 규칙은 이런 행을 fragment 커널로 보내므로, #2811과 #2846이 추가한 네 가지 사례는 수치 검사가 통과한 후에도 여전히 실패합니다. 수정 방법은 먼저 check_held_launch를 호출하고, cluster가 없는 디바이스에서는 split 사례를 건너뛰는 것입니다. 8192 너비의 다섯 split 사례도 SM89에서 동일하게 건너뜁니다.

또한 SM90에만 수용 가능한 두 사례를 명시적으로 sm90으로 표시했습니다. #2637이 추가한 bf16 GLA 역방향(chunk 128, head 차원 64/64)과 #2645가 추가한 float32 DeltaNet 순방향(chunk 128, 64/128)이며, 둘 다 각각 196608바이트 공유 메모리가 필요합니다. 회귀 데이터: 단일 SM89에서 네 테스트 파일이 40 통과 9 실패 3 건너뛰기에서 35 통과 3 실패 14 건너뛰기로 변경되었습니다. 남은 세 건은 chunk 32의 GLA 역방향으로 커널을 수정해야 통과합니다. 단일 SM90에서 두 버전의 46개 항목이 모두 통과하여 건너뛰기 표시가 SM90의 커버리지를 가져가지 않았음을 보여줍니다.

출처: https://github.com/tile-ai/TileOPs/pull/2889

3.5 TileOPs: paged GQA 분할 카운트를 윈도 내 key 타일로 상한 설정, 검토 중 (#2892)

#2892(파일 2개, +28/−11)는 검토 중이며 GQAPagedFwdKernel._splits_for의 상한을 수정합니다. 기존에는 분할 카운트가 윈도가 key 범위를 좁히기 전에 SM 커버리지 수를 기준으로 계산되어, 3타일 윈도가 batch 1에서 16개 split을 열었습니다. RoPE가 없을 때는 “상주” 쪽으로 계속 증가하여 combine 측 오버헤드를 두 배로 늘렸습니다. combine은 단일 CTA에서 행 타일별로 각 split의 partial을 읽어야 합니다.

새 규칙은 먼저 cp.async의 분할 카운트를 윈도 내 key 타일 수로 제한합니다. RoPE가 없을 때 SM 커버리지 수를 초과한 이후의 상한은 isqrt(key_tiles * block_N / block_M)을 취하며, 이 지점은 combine의 partial 행 수와 한 chunk의 key 행 수가 비슷해지는 위치입니다. PR 댓글에는 #2496이 요구한 보정 데이터가 첨부되어 있으며 379개 구성의 regret 통계를 포함합니다. 같은 윈도에서 새로 열린 #2893은 이 계열의 후속 목록이며 여전히 열려 있습니다.

출처: https://github.com/tile-ai/TileOPs/pull/2892 , https://github.com/tile-ai/TileOPs/issues/2893

3.6 TileFoundry: 하루에 분석기 및 명세 공백 이슈 6건, 그중 2건은 TileOPs 작성자가 교차 저장소에서 제기(11-10)

모니터링 기간 내 TileFoundry에 새로 열린 이슈는 6건이며, 두 그룹의 출처로 나뉜다.

첫 번째 그룹은 #312 소스 명세 재편의 직접적 산물로, zhen8838이 02:42에 1분 만에 연속으로 4건을 열었으며 모두 “코드 열람으로 발견, 프로그램으로 재현하지 않음”으로 표기했다: #314의 JIT 캐시 키는 진입 함수와 토폴로지만 출력하고 피호출 함수는 이름으로만 나타나므로, 두 진입 텍스트가 같고 피호출이 다른 Module이 동일한 캐시 키를 받게 된다; #315는 호출자가 topology_level을 주지 않을 때 목표가 어떤 계층에서 max_physical_units를 선언했는지 묻지 않고 첫 번째 유효 토폴로지를 기본으로 선택한다; #316은 깊이가 4 미만인 루프에서 루프 본문 1회 실행 시간만큼 커서를 전진시키고 전체 루프 범위를 기준으로 하지 않아, 루프 이후의 작업이 루프 종료를 기다리지 않는다; #317의 passes.md §7.1은 온칩 메모리의 피호출 반환값을 호출자 버퍼로 복사해야 하며 그렇지 않으면 LoweringError로 실패해야 한다고 명시했지만, convert_hir_to_tir에는 해당 거부 구현이 없다.

두 번째 그룹은 TileOPs 작성자 lcy-seso가 12:04와 12:29에 제기했으며, 모두 실제 연산자를 분석기에 투입해 압박한 것이다: #318은 원소별 clamp를 H200에서 배치 가격 책정에 사용하며, CTA 그리드가 한 웨이브를 초과하면 분할 입력의 풋프린트에 웨이브 수가 곱해진다고 지적하고, 동일한 동작이 #298, #303, #307, #311에서 보고되었으나 모두 not planned로 닫혔고 현재 빌드에서도 여전히 재현된다고 명시했다; #319는 4096×7168×16384의 상주 SM90 NT GEMM을 배치하며 한 번에 다섯 가지 발견을 제시했는데, 그중 가장 강한 것은 check --help가 bf16에 8비트 명시적 가수와 반올림 경계 2^-9가 있다고 하지만 bf16은 실제로 7비트 명시적 가수와 단위 반올림 2^-8이므로, 그것에 따라 도출된 rtol이 마땅한 값의 절반에 불과하다는 점이다.

이 그룹 이슈의 형태는 주목할 만하다: 분석기의 오가격은 단위 테스트로 드러난 것이 아니라 실제 연산자를 올려 실행함으로써 드러났으며, 문제를 제기한 사람들은 연산자 라이브러리 측에서 왔다.

출처: https://github.com/tile-ai/TileFoundry/issues/314 , https://github.com/tile-ai/TileFoundry/issues/319 , https://github.com/tile-ai/TileFoundry/issues/318

3.7 서드파티: Hexagon NPU 백엔드가 껍데기에서 온디바이스 모델을 실행 가능한 브랜치로 성장, LFM2-1.2B 전 과정 NPU에서 실행 성공(11-10)

xwhzz/tilelang-hexagon은 11-09 모니터링 기간에는 여전히 “README가 TileLang 원문 그대로이고 검증 가능한 백엔드 변경이 보이지 않는” 상태였으나, 이번 모니터링 기간 22:07 푸시 이후 내용이 보완되었다. 이 fork는 퀄컴 Hexagon NPU를 위한 TileLang 백엔드를 추가하며, Snapdragon 8 Elite 휴대폰의 v79 cDSP에서 개발 및 검증했다: T.copy, T.gemm, T.Parallel, T.reduce_*, T.Pipelined 같은 타일 연산이 HVX 벡터 코드, HMX 행렬 곱셈, VTCM 버퍼와 DMA 스트림으로 컴파일되어 FastRPC를 통해 NPU에서 실행된다.

검증 대상은 LFM2-1.2B다: batch 1 엔드투엔드 실행 성공, prefill, decode와 샘플링 전부 TileLang으로 작성되어 NPU에서 실행된다; 프로젝션 계층은 4비트(GPTQ, 64열마다 fp16 scale 1개), tied embedding과 head는 8비트, 디바이스상 WikiText-2 퍼플렉시티 16.68, bf16 참조는 16.29다. 이는 TileLang의 경계에 대해 명확한 의미를 갖는다: 이전의 “비 NVIDIA, 비 Ascend” 백엔드는 대부분 CPU나 중국 국내 가속 카드였으나, Hexagon은 완전한 디코딩 루프를 휴대폰 DSP에 올린 첫 번째 브랜치이며 처리량만 제시한 것이 아니라 정밀도 대조도 제시했다.

출처: https://github.com/xwhzz/tilelang-hexagon

4. 커뮤니티, 튜토리얼 및 활동

4.1 뉴스 측: 중영문 세 그룹 쿼리 모니터링 기간 내 히트 제로, HN과 arXiv 역시 관련 항목 없음(11-10)

구글 뉴스 중국어 「TileLang」 28건, 「TileLang 또는 tile 언어 연산자 컴파일」 10건, 「Zhiyuan 연산자 또는 오픈소스 연산자 라이브러리」 37건, 영어 「TileLang」 23건, 「TileOPs 또는 TileRT」 10건을 반환했으며, 게시 시간 기준으로 필터링한 결과 모니터링 기간 내 항목은 모두 0건이었다. 최신 적중 항목은 여전히 10-28의 Caifuhao 기사와 10-21의 SemiAnalysis에 머물러 있다. Hacker News의 적중은 전부 동명의 노이즈(Senior Pipeline Crisis, LimbaKit, Monoprint, VoxaDub 등)로 TileLang과 무관하다. arXiv에서 all:"TileLang"의 최신 항목은 여전히 11-03의 KV 압축 논문 v2로, 기간을 초과한다.

뉴스 측에서 연속 여러 날 적중이 없는 것은 TileLang의 일상이다. 프로젝트 전파는 주로 GitHub와 개발자 커뮤니티를 통해 이루어지며 뉴스 인덱스에는 없으므로, 보도 주체는 계속 저장소 동향을 기준으로 삼는다.

출처: 구글 뉴스 중영문 5개 쿼리(프록시 경유), Hacker News, arXiv, 모니터링 기간 내 관련 항목 없음.

4.2 인접 동향: Meta, TLX 블로그 게시 — Triton의 저수준 확장이 이미 3개 프로덕션 워크로드에서 운영 중 (11-10)

같은 날 Meta 엔지니어링 블로그는 《How We Built TLX: A Hardware-Native GPU Compiler for Production ML at Scale》을 게시했는데, 이는 Triton Low-Level Extensions에 관한 것으로, Triton의 블록 기반 프로그래밍 모델 위에 명시적인 warp-group 및 cluster 수준 오케스트레이션을 보강하여 개발자가 warp 특화, 비동기 이동, tensor memory 같은 실행 측 하드웨어 기능을 Triton의 개발 속도를 포기하지 않고 사용할 수 있게 한다. 글에서는 이미 프로덕션에서 운영 중인 세 가지 용도—추천 시스템 학습, 추천 시스템 추론, 대규모 LLM 사전 학습—을 제시하고, 10개월 동안 Meta 내부 커널 수 증가를 보여주는 그래프를 제시했다: Triton 커널 수 약 3.8배 증가, CUDA 약 2.0배 증가.

이를 TileLang 데일리 리포트에 넣은 이유는 같은 트랙의 또 다른 해법을 그어냈기 때문이다: TileLang은 타일 수준 DSL에서 위로 자동 스케줄링과 다중 백엔드를 보강하고, TLX는 Triton에서 아래로 명시적 오케스트레이션을 보강한다. 둘은 「누가 kernel을 작성하는가」에 대한 답이 반대다—TLX는 ML 엔지니어가 계속 Triton을 사용하면서 국소적으로 내려가게 하고, TileLang은 작성자가 타일과 파이프라인을 명시적으로 기술한 뒤 컴파일러에 넘기게 한다. 대조해 보면, TileLang이 올해 보강한 것은 대부분 백엔드와 연산자 정확성이었고, 오케스트레이션 계층 추상화는 여전히 T.Pipelined와 T.annotate_*라는 인터페이스군에 얹혀 있다.

출처: https://engineering.fb.com/2026/11/10/open-source/tlx-a-hardware-native-gpu-compiler-for-production-ml , https://arxiv.org/abs/2605.10905

4.3 신규 issue: PTO 다중 Cube/Vector 영역에서 중복 물리 섹션 보고, 나머지는 분석기와 문서에 집중 (11-10)

모니터링 기간 내 신규 issue 10건이 열렸으며, 3.6에서 이미 다룬 TileFoundry 6건 외에 추가로 4건이 있다: #3901([BUG][PTO] Multiple explicit Cube/Vector regions fail with duplicate physical section error)은 동일 커널에서 여러 명시적 Cube/Vector 영역을 선언할 때 중복 물리 섹션 오류가 보고되는 것으로, Ascend PTO 하강기(downward phase)의 구조적 제한에 속하며 아직 수정 PR이 없다; #2893은 paged GQA의 후속 목록이다; #2001은 tilelang-ascend의 일일 테스트 데일리 리포트(3060개 전부 통과)이다. Metal 관련 #3907은 2.5에서 수정 PR과 함께 이미 다루었다.

한 가지 형태는 기록할 만하다: #3901과 #3907은 모두 「동일 커널에서 각각은 합법인 두 영역이 겹칠 때만 오류가 나는」 유형으로, 이런 문제는 단일 영역 테스트에서는 결코 나타나지 않고 실제 융합 연산자 조립 시에만 드러난다. 최근 몇 회차의 정확성 issue는 거의 전부 이 형태다.

출처: https://github.com/tile-ai/tilelang/issues/3901 , https://github.com/tile-ai/tilelang/issues/3907

5. 트렌드 관찰

첫째, 메인 저장소의 산출 중심이 연산자에서 원시 연산(primitive)으로 이동하고 있다. #3490의 프리페치 및 축출 우선순위, #3605의 NaN 클램핑, 심사 중인 #3897의 CPU 스캔 연산자와 #3903의 프로세스 병렬 컴파일은 공통적으로 「작성자에게 새 도구 하나를 준다」는 특징이지 「특정 연산자를 몇 포인트 빠르게 한다」가 아니다. 이런 변경의 검수 기준도 다르다: #3605는 SASS에서 세 명령어의 존재 여부를 증거로 삼고, #3490은 컴퓨팅 능력 임계값을 경계로 삼아 구체적 형상과 무관하게 재검증할 수 있다. 다운스트림 입장에서 이는 0.1.16 이후 사용할 수 있는 작성 방식이 늘어난다는 뜻이지만, 각 새 원시 연산에는 고유한 아키텍처 임계값이 있어 세대 간 이식 시 항목별로 확인해야 한다.

둘째, 공유 메모리 예산이 선형 어텐션 계열의 명시적 제약이 되었다. SM89의 101376바이트와 수요 측의 114688, 131072, 196608 세 숫자가 chunk를 얼마나 크게 잡을지, walk로 갈지 recurrence로 갈지, 테스트를 어느 아키텍처에서 돌릴지를 결정한다. #2890과 #2891의 해법 발상은 일치한다: 수요를 억지로 누르는 대신 dispatch가 디바이스 사실에 따라 경로를 선택하게 하고, refusal에서도 같은 경계를 사용해 차라리 사전에 거부할지언정 기동 시에 크래시하지 않게 한다. 이 패턴이 DeltaNet에서 순조롭게 돌아가면 GLA 계열도 대부분 그대로 따라할 것이다—#2889에 남은 세 가지 chunk 32 실패가 바로 다음 조각이다.

셋째, 테스트 기준이 「아키텍처별 분기 표시」에서 「디바이스 사실 기반 판정」으로 전환되고 있다. #2889는 SM89의 케이스를 삭제하거나 영구 skip하지 않고, 먼저 check_held_launch를 확인한 뒤 건너뛸지를 결정했다; #2891, #2890이 추가한 두 테스트 역시 SM89의 디바이스 사실에 따라 분기 결정을 검사하므로 SM90의 CI에서도 그대로 돌릴 수 있다. 이 방식은 디바이스 연산 능력에 따라 skipif 마크를 붙이는 것보다 안정적인데, 검증하는 것이 하드웨어가 아니라 결정 로직 자체이기 때문이다.

넷째, TileFoundry의 오가격 문제가 연산자 측에서 반복적으로 되돌아오고 있다. #318은 동일한 동작이 이미 닫힌 네 개의 issue에서 보고되었고 모두 not planned로 표시되었다고 명시하며, #319는 한 번에 다섯 개를 제시하고 구체적인 962.1 대 1213.6 GFLOP 편차를 담고 있다. 분석기는 TileLang의 「먼저 가격을 매기고 그다음 스케줄을 선택하는」 노선의 전제인데, 가격이 26% 치우치면 자동 선택이 잘못된 결정을 내리게 된다; 이런 종류의 결함은 개별 연산자를 느리게 만들지는 않지만 자동화가 경계 그리드에서 체계적으로 잘못 선택하게 만든다.

다섯째, RISC-V 측의 분기는 수렴이 아니라 확대되고 있다. 네 소스(TVM 노선, MLIR 노선, SOPHGO TPU, 커뮤니티 인덱스)는 가지런히 멈춰 있는데, 제3자 Weft 계열은 하루 40건이며 이미 격차를 단일 연산자까지 수치화했다(SG2044 중위 0.0580배). 두 사실을 함께 놓으면 말하는 것은: 정체는 아무도 하지 않기 때문이 아니라 공식 네 소스가 「격차 자동 발견, 자동 검증, 자동 큐잉」의 루프를 형성하지 못했기 때문이다—Weft 계열은 자체적으로 벤치마크 엔진을 구축했기에 비로소 돌아가기 시작했다. 만약 이 553건의 벤치마크가 공식 네 소스의 검수 기준으로 인용될 수 있다면, RISC-V 측의 진전은 처음으로 비교 가능한 분모를 갖게 될 것이다.


부록, 자료와 검증 설명

출처 검증표

출처 확인 결과
tile-ai 조직(저장소 30개) 모니터링 기간 내 푸시 7건: tilelang, TileOPs, tilelang-musa, tilelang-mlir-ascend, 나머지 3건은 자동 푸시(문서 사이트, gh-pages, 야간 스냅샷)
tilelang 메인 저장소 메인 브랜치 3건 머지(#3911, #3605, #3490); 리뷰 중 업데이트 38건; 신규 이슈 2건(#3901, #3907); 신규 tag 없음
TileOPs 메인 브랜치 4건 머지(#2888, #2891, #2890, #2889); 리뷰 중 업데이트 2건; 신규 이슈 1건(#2893)
TileOPs-nightly snapshots 브랜치 자동 푸시 1회(11-09 21:56), 기본 브랜치 커밋 없음
TileFoundry 모니터링 기간 내 머지·푸시 없음(최신 11-09 11:33); 신규 이슈 6건(#314~#319, 전부 오픈)
tilelang-ascend 기본 브랜치 ascendc_pto 모니터링 기간 내 머지 없음(최신 11-06); 리뷰 중 업데이트 9건; 일일 테스트 3060건 전부 통과(11-10 11:38)
tilelang-hygon 모니터링 기간 내 머지 없음(최신 11-06 #33, #34); 분산 융합 연산자 #36 리뷰 중(+2022줄)
tilelang-metax 모니터링 기간 내 푸시 없음(최신 11-06 07:42)
tilelang-musa 문서 변경 1건 머지(#12); release 페이지 신규 버전 없음(최신 v0.1.15+musa.1, 09-30)
tilelang-mlir-ascend main 모니터링 기간 내 커밋 없음; #217 harness 브랜치에 머지; #222 등 리뷰 중
릴리스 페이지(tilelang / TileOPs / TileFoundry / musa) 모니터링 기간 내 신규 버전 없음: v0.1.15(09-30), v0.1.0(10-27), v0.0.4rc1(10-25), v0.1.15+musa.1(09-30); 0.1.16 버전 번호 PR #3887 여전히 오픈, 11-09 이후 업데이트 없음
도입처 TileKernels / FlashQLA 모니터링 기간 내 푸시 없음(10-14 / 10-30)
서드파티 TileLang–Weft / weft-bench 모니터링 기간 내 각각 커밋 17건, 23건; 벤치마크 553건 전부 수치 검사 통과, 41건이 참조 구현보다 빠름; release 최신 v0.1.15-weft.2(11-05)
서드파티 tilelang-hexagon 11-10 22:07 푸시, README에 Hexagon NPU 백엔드 설명 및 LFM2-1.2B 엔드투엔드 결과 보강
TileLang×RISC-V 4개 소스 점검 변화 없음(4개 업스트림 참조가 이전 스냅샷과 동일, 24시간 기간; 4번째 연속 기간)
Google News(중·영문 5개 그룹) / Hacker News / arXiv 뉴스 측 모니터링 기간 내 0건; HN 적중은 모두 동명 노이즈; arXiv 최신 관련 자료는 11-03(기간 초과)
인접 기술 동향 Meta TLX 블로그 11-10 게시, 동일 분야 대조 자료이며 TileLang 프로젝트 동향은 아님

전체 출처 목록

2892) — https://github.com/tile-ai/TileOPs/pull/2892

검증 설명

이번 모니터링 기간은 24시간(수요일)이다. 머지 수, 심사 중 수, 신규 issue 수는 GitHub 검색 실제값(is:merged, is:open, created 세 가지 쿼리, 모두 merged/updated/created 시간 내림차순)에서 가져왔으며, 저장소별 메인 브랜치 커밋과 교차 검증했다: 머지 9건 = tilelang 3 + TileOPs 4 + tilelang-musa 1 + tilelang-mlir-ascend 1, 그중 mlir-ascend의 머지 1건은 harness 브랜치에 머지되었으며(해당 저장소의 기본 브랜치는 main이고 이번 모니터링 기간 main에는 커밋이 없음), 본문에 이를 명시했다. 성능과 공유 메모리 수치는 각 PR 본문의 표와 Result: 행에서 그대로 가져왔으며 재환산하지 않았다. #2888, #2891, #2890 세 건의 Result 행 또는 대조 기준선은 모두 원문대로 기록했으며, 목표 미달 항목과 FLA보다 느린 경우도 포함한다. TileFoundry의 여섯 개 issue는 두 명의 제기자에 속하며, 그중 #314부터 #317까지는 사양 재구성 후 코드를 읽고 얻은 것으로 프로그램으로 재현하지 않았고, #318, #319는 실제 연산자와 빌드 번호를 포함하며, 본문은 이를 기준으로 구분했다. RISC-V 4개 출처 순회 스크립트의 출력은 비어 있었으며, 정해진 기준에 따라 「변화 없음」으로 기록했다. 2.8의 Weft 라인은 이번 모니터링 기간에 새로 발견된 서드파티 관찰로, 4개 출처에 속하지 않으며 출처가 서드파티 저장소의 개별 커밋과 README 표임을 명확히 표기했다. 뉴스 측면의 Google News 쿼리 다섯 그룹은 프록시를 경유했으며, 반환된 항목을 게시 시간으로 필터링한 결과 모니터링 기간 내에는 0건이었다. Meta TLX는 동일 분야의 인접 동향으로, TileLang 프로젝트 진행에 포함하지 않는다.