Tempo는 eager 실행의 동적 특성과 graph 기반 컴파일의 전체 프로그램 최적화를 결합한 새로운 딥러닝(DL) 시스템이다. 재귀 텐서를 사용하는 선언적 프로그래밍 모델을 통해 동적 종속성을 간결하게 표현하고 전체 프로그램 최적화를 적용한다. Tempo는 기호 종속성 그래프를 구축하여 연산자 간의 동적 종속성을 인코딩하고, 대수적 단순화, 벡터화, 타일링 및 융합과 같은 최적화를 적용한다. 동적 종속성을 정적 크기 블록으로 타일링하여 기존 정적 코드 생성기를 재사용하고, 폴리헤드럴 모델을 사용하여 실행 스케줄을 찾는다. Llama-3.2-3B 디코딩에서 JAX보다 7배, 강화 학습 알고리즘에서 54배의 속도 향상과 16배 낮은 최대 메모리 사용량을 달성했다.
