FTuner是一种新的深度学习编译器技术，使用uKernel拼接小张量以匹配输入张量的形状，并使用硬件信息模型确定uKernel的形状。实验证明，FTuner在运算符和端到端性能上与供应商库相当，并且在现有的自动调整器上实现了3%的速度提升，同时减少了调整时间。

研究者提出了一种新的学习率调整方法CDAT，通过分析学习率调整和曲率间的闭环反馈效应。CDAT在深度学习目标上表现良好，优于调整后的恒定学习率。研究还发现，在小批次处理模式下，随机性引入了混淆效应，解释了一些学习率调整器在适当的批次大小上取得成功的原因。这项研究对于理解学习率和曲率的联合动态以及设计有效的自适应学习率调整器具有重要意义。