Hawk는 LLM이 NPU 커널 생성에서 하드웨어 사전 지식 부족으로 실패하는 문제를 해결하는 학습 불필요(training-free) 프레임워크다. 유사 커널 코드를 단순 이식하면 컴파일은 통과해도 하드웨어 제약 위반으로 런타임 크래시가 나는 상황에 대응해, 오류 맥락과 실행 가능한 의미를 결합하는 런타임 지식 합성, 구문·하드웨어 정렬 의미 공간에 질의를 투영하는 2D 검색, 실행 피드백으로 오류를 가지치기하고 중복을 통합하는 효과 기반 지식 증류의 3개 모듈로 구성된다. 실제 NPU 워크로드 평가에서 생성 정확도를 49.4%에서 80.0%로 끌어올리고 최고 기존 기법 대비 최대 2.2배 실행 속도 향상을 달성했다. NPU 커널 개발이 업계 병목인 상황에서 LLM 자동화의 실용 가능성을 보여준다.

• •LLM은 하드웨어 사전 지식 부재로 NPU 커널 생성에 실패 — 컴파일 통과해도 런타임 크래시 빈발
• •오류 맥락과 실행 의미를 결합하는 3부 실행형 지식 표현 기반 런타임 지식 합성
• •구문 공간과 하드웨어 정렬 의미 공간에 질의를 동시 투영하는 2D 검색 패러다임
• •실행 피드백 기반 LLM 의미 중재로 오류 가지치기·중복 통합하는 지속 지식 증류
• •실제 NPU 워크로드에서 생성 정확도 49.4%→80.0%, 최대 2.2배 실행 속도 향상