■ **概要** PyTorchとmicrograd の中間に位置する軽量な深層学習スタック。テンソルライブラリ、IR・コンパイラ、JIT実行を備えた end-to-end フレームワーク。 ■ **特徴・用途** PyTorch互換のAPI と autograd を提供しながらも、コンパイラとIRが完全に可視化・改造可能な設計。JAXの関数型変換とTVMのスケジューリング技術を取り込み、本番学習から教育、カスタム最適化まで対応可能。コード規模が小さく学習コストが低いため、内部動作の理解やドメイン特化の拡張に適している。 ■ **結論** 「黒箱を開ける」必要がある研究者やコンパイラ最適化に取り組む技術者向けの、拡張性重視の次世代フレームワーク。