VibeTensor: תוכנת למידה עמוקה שנוצרה לחלוטין על ידי סוכני AI

בעידן שבו סוכני קידוד מבוססי AI משנים את פני תעשיית התוכנה, VibeTensor מגיעה כהוכחה חיה לכך שמכונות יכולות לבנות מחסנית תוכנה שלמה ללמידה עמוקה. הפרויקט, שפורסם ב-arXiv, הוא מחסנית תוכנה מחקרית בקוד פתוח שנוצרה כולה על ידי סוכני קידוד המונעים על ידי מודלי שפה גדולים (LLM), תחת הדרכה ברמה גבוהה בלבד מצד בני אדם. 'נוצרה לחלוטין' פירושו שהשינויים בקוד נוצרו והוחלו כ-diffים שהוצעו על ידי הסוכנים, והאימות התבצע באמצעות בניות, בדיקות ובדיקות דיפרנציאליות שהריצו הסוכנים עצמם – ללא ביקורת ידנית של כל שינוי. VibeTensor מיישמת ספריית טנסורים בסגנון PyTorch עם מצב eager, בליבת C++20 שתומכת ב-CPU וב-CUDA. מעליה שכבת פייתון דמוית Torch באמצעות nanobind, וממשק ניסיוני ל-Node.js/TypeScript. בניגוד לכבלות דקים, VibeTensor כוללת מערכת טנסורים ואחסון עצמאית, מפעיל schema-lite, autograd במצב reverse, runtime CUDA (זרמים, אירועים, גרפים), מחלק זיכרון ממושב עם מטמון מסודר לפי זרם ודיאגנוסטיקה, ו-ABI יציב ל-C עבור תוספים דינמיים. החוקרים רואים בפרויקט זה אבן דרך בהנדסת תוכנה בעזרת AI, שכן סוכני הקידוד הצליחו לייצר runtime ללמידה עמוקה קוהרנטי שמשתרע מממשקי שפות ועד לניהול זיכרון ב-CUDA. הפרויקט כולל תיאור ארכיטקטורה, סיכום זרימת העבודה לייצור ואימות המערכת, והערכה. הם מדווחים על היקף המאגר, הרכב חבילת הבדיקות, ובנצ'מרקים מיקרו רבי-הפקה ממאגר קרנלים שנוצרו על ידי AI, כולל attention מרובב בהשוואה ל-SDPA של PyTorch ול-FlashAttention. בנוסף, בדיקות אימון קצה-לקצה על 3 משימות קטנות (היפוך רצף, ViT, miniGPT) על כרטיסי NVIDIA H100 (Hopper, SM90) וכרטיסי Blackwell; תוצאות מרובות GPU הן ל-Blackwell בלבד עם תוסף ring-allreduce מבוסס CUTLASS עבור CUDA 13+. בהקשר רחב יותר, VibeTensor מדגימה את הפוטנציאל של סוכני AI לבניית תוכנות מורכבות, אך גם מצביעה על אתגרים. המאמר דן במצבי כשל בתוכנות מערכת שנוצרו, כולל אפקט 'פרנקנשטיין' שבו תת-מערכות נכונות מקומית יוצרות ביצועים לא אופטימליים גלובליים. עבור מנהלי טכנולוגיה ישראלים, זהו אות לקידום כלים כאלה בפיתוח, במיוחד בתחומי AI שבהם מהירות פיתוח קריטית. VibeTensor פותחת דלת לעתיד שבו הנדסת תוכנה תהיה אוטומטית יותר. מנהלים עסקיים צריכים לשקול אימוץ סוכני קידוד כאלה כדי להאיץ פרויקטי AI, תוך השקעה באימות אוטומטי. האם אתם מוכנים להניח לסוכני AI לבנות את התשתית הבאה שלכם? קראו את המאמר המלא ב-arXiv והתחילו לבדוק.