arXiv · cs.AI· François Costa, Charly Castes, Thomas Bourgeat, Azalia Mirhoseini·· 10 天前精选
LLM智能体直接将Triton内核编译为PTX，在多代NVIDIA GPU上测试
AI as a Compiler: Compiling Triton kernels without the Triton compiler
arXiv:2609.36800v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：François Costa, Charly Castes, Thomas Bourgeat, Azalia Mirhoseini
首次提交：2026-09-29 14:13
研究任务与主要进展
研究团队让LLM智能体直接把Triton内核转换为NVIDIA PTX，以替代传统优化与降级流程；在Ada、Hopper和Blackwell GPU上的22个内核测试中，作者报告性能达到自动调优Triton的0.83至3.34倍。较大增益来自Tensor Core权重解码、softmax线程任务分配和卷积窗口复用等Triton未执行的转换；结果依赖包含候选PTX评估的验证环境。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
本站判断
该论文提出由LLM智能体直接将Triton内核翻译为PTX，并在12个常见内核和10篇近期机器学习论文内核上报告相对于自动调优Triton的0.83至3.34倍性能。性能优势依赖候选PTX评估与验证机制；材料仅提供摘要，且扩展的Blackwell支持仍受文中所述形式化与实现限制影响。本站设想：在相同编译、验证和端到端预算下，测试该方法对更多GPU架构及验证失败情形的稳健性。
来源：arXiv · cs.AI · arxiv.org