# CCL-Search [[CCL-Bench]]に統合されたLLMエージェントベースの構成最適化ツール。ワークロード・ターゲットインフラ・最適化目的(例: step time最小化、レイテンシとアクセラレータコストのバランス)を与えると、`generate_config`というPythonポリシー関数をLLM(claude-opus-4-6)で反復的に書き換えながら、構成提案→実機実行→トレース収集→目的関数評価のループを回す。ADRS framework(Cheng+ 2025, arXiv:2510.06189)と同様にポリシープログラムを反復改訂する設計であり、探索過程の全試行が[[CCL-Bench]]のベンチマークエントリとして記録されるため、チューニング労力そのものが検証可能・再現可能になる。 [[@2026__arXiv__CCL-Bench 1.0 - A Trace-Based Benchmark for LLM Infrastructure]]では、Llama-3.1-8B(WL4)でTorchTitanとMegatron-LMをそれぞれ15イテレーション探索し、両フレームワークの最適構成が3.4倍の性能差を持つ異なる点にあることを実証した(Claim 3の裏付け)。 ## 関連 - 本ソース: [[@2026__arXiv__CCL-Bench 1.0 - A Trace-Based Benchmark for LLM Infrastructure]] - 親システム: [[CCL-Bench]] - 開発元: [[Cornell University]] - 関連概念: [[並列化戦略]]