본 논문은 고성능 컴퓨팅에 의존하는 현대 과학 발견에서 병렬 프로그램 성능 향상의 주요 과제인 매퍼(mapper) 개발의 자동화를 제시한다. 매퍼는 프로세서와 메모리에 작업과 데이터를 매핑하는 저수준 시스템 코드로, 수동 조정에 많은 시간이 소요된다. 본 연구는 생성적 최적화를 활용하여 매퍼 개발을 자동화하는 프레임워크를 제안한다. Agent-System Interface는 도메인 특화 언어(DSL)를 통해 저수준 시스템 코드의 복잡성을 추상화하고 구조화된 검색 공간을 정의하며, AutoGuide는 원시 실행 출력을 실행 가능한 피드백으로 해석한다. 기존의 스칼라 피드백에 의존하는 강화 학습 방식과 달리, 훨씬 적은 반복 횟수로 우수한 매퍼를 찾는다. 10회 반복만으로 1000회 반복된 OpenTuner를 능가하는 3.8배의 성능 향상을 달성했고, 9개의 벤치마크에서 전문가가 작성한 매퍼보다 최대 1.34배 빠른 매퍼를 찾아 개발 시간을 수일에서 수분으로 단축했다.