Carnegie Mellon University（卡内基梅隆大学）

TANGCO: Learning Topology-Aware Capacity Allocation for Overload-driven Cascading Failures

TANGCO：学习应对过载驱动级联故障的拓扑感知容量分配

Orkun Irsoy, Leman Akoglu, Osman Yagan

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 TANGCO是一种拓扑感知神经图引导的容量优化模型，可应对过载驱动的级联故障，在人工与真实网络上均优于手动启发式方法，具备良好迁移性，部署成本低且训练效率高。

CAKE: Compiler-Agent Co-Design for Frontier Kernel Evolution

CAKE：面向前沿核函数演进的编译器-智能体协同设计

Zihao Ye, Yingyi Huang, Hongyi Jin, Bohan Hou, Junru Shao, Zhongming Yu, Jinqi Chen, Meghan Cowan, Shiyi Cao, Shanli Xing, Hanfeng Chen, Vinod Grover, Tianqi Chen, Luis Ceze

机构 * Carnegie Mellon University（卡内基梅隆大学） ； NVIDIA（英伟达公司） 纠错

AI总结 本文提出CAKE编译器-智能体协同设计方案，通过硬件显式IR实现GPU核函数演进，在Flash-KMeans等基准测试中性能优于CUDA/PTX，相关成果已提交上游PR。

LLMs Know the Constraint But Do Not Use It: Activation Bottlenecks in Pragmatic Constraint Reasoning

大型语言模型（LLMs）知道约束但不使用它：语用约束推理中的激活瓶颈

Yubo Li, Ramayya Krishnan, Rema Padman

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 该研究揭示LLMs虽编码了语用约束知识，但存在激活传递瓶颈，导致约束推理失败，激活修补可部分修复，且缓解干预未解决该传递问题。