PyTorch の性能ポータブル機械学習カーネル用ドメイン固有言語である Helion は、高速化のために自動チューニング（autotuning）に大きく依存している。従来、Helion の探索プロセスは尤度フリーベイズ最適化（LFBO）を活用してカーネルの最適なパラメータ構成を探索していたが、このアプローチには計算時間が膨大になるという課題があった。 新たなアプローチでは、大規模言語モデル（LLM）をガイドとして導入することで、この自動チューニングの効率を劇的に改善している。LLM は機械学習カーネルの最適化に関する広範な知識を活用し、有望なパラメータ空間を事前に特定することで、探索の方向性を効率化する。これにより、従来は数分単位で必要だった最適化プロセスを、数秒レベルまで短縮することが可能になった。 この技術革新は、PyTorch ユーザーにとって実用的な意義が大きい。開発者は計算資源を大幅に削減しながら、高性能なカーネル設定を迅速に獲得できるようになる。LLM ガイダンスの導入により、自動チューニングはより知的で効率的なプロセスへと進化し、機械学習ワークロードの最適化がより身近で実現可能なものになるだろう。