DiT AutoResearch A5500 스킬

이 스킬은 RTX A5500/Ampere 하드웨어에서 Diffusion Transformer 추론을 최적화할 때 사용합니다.

절대 규칙

program.md를 읽고 실행하세요.
knowledge/handbook/00_foundations/04_target_hardware_and_quality_contract.md를 일반 하드웨어/정밀도 조언에 대한 프로젝트 재정의로 취급하세요.
품질은 가중치가 적용된 목표가 아닌 절대적인 제약 조건입니다.
양자화는 고정된 벤치마크 스위트에서 필요한 정확도/품질 회귀가 전혀 없을 경우에만 테스트할 수 있습니다. 필수 벤치마크 점수가 낮은 양자화 후보를 절대 유지하지 마세요.
세션 중에 벤치마크 코퍼스, 품질 평가자, 성능 도구 또는 기타 fixed_paths를 수정하지 마세요.
mutable_paths에 나열된 경로만 편집하세요.
수정되지 않은 기준(baseline)을 먼저 설정하세요.
후보 품질을 이전 후보가 아닌 원래 기준과 비교하세요.
성능은 브랜치의 목표 레인에 있는 현재 최고 후보와 비교하세요.
커밋당 하나의 인과 가설(causal hypothesis)만 제출하세요.
수치적 또는 알고리즘적 근사보다 정확한 구현 최적화를 우선시하세요.
A5500에서 측정하세요. H100/B200 속도 향상 수치를 예상되는 A5500 결과로 가져오지 마세요.
FlashAttention-2/SDPA는 관련 Ampere 어텐션 경로이며, FA3/FA4 및 Hopper/Blackwell 특화 기능은 연구 참고 자료일 뿐 대상 기본 경로가 아닙니다.

중요한 실험 전에 핸드북을 검색하세요:

dit-ar --config config/autoresearch.json search "<메커니즘 + 병목 + 모델/하드웨어 용어>"

가장 관련성 높은 Markdown 파일을 읽으세요. 핸드북을 기본 로컬 연구 메모리로 사용하세요. 핸드북이 가설을 지원하지 않는 경우, 핸드북이 권장하는 것처럼 가장하지 말고 해당 아이디어를 외부/새로운 연구 가설로 표시하세요.

다음 중 하나를 사용하세요:

양자화는 자동으로 엄격한 회귀 없음(Zero-Regression) 품질 게이트를 받습니다.

각 가설에 대해:

dit-ar --config config/autoresearch.json experiment \
  --classification <class> \
  --description "<짧은 인과 가설>"

KEEP인 경우, 커밋을 유지하고 계속하세요.
DISCARD인 경우, .autoresearch/ 로그를 보존한 후 git reset --hard HEAD^를 실행하여 이전 최고 상태로 되돌리세요.
CRASH인 경우, 구현이 사소하게 잘못된 경우에만 수정하고, 그렇지 않으면 폐기하고 진행하세요.
수동으로 중지할 때까지 계속하세요.

대략 다음 순서로 선호하세요:

최종 제품이 신경 쓰지 않는 지표를 개선하기 쉽다고 해서 최적화하지 마세요.