KernelOPT用五个智能体优化GPU内核

KernelOPT研究团队提出一套面向GPU内核优化的多智能体系统；论文摘要显示，在NVIDIA H200上评测250个KernelBench问题时，相较torch.compile，全部内核的几何平均加速分别为Level 1的1.40倍、Level 2的1.15倍和Level 3的1.07倍，结果包含回退案例。 系统保留cuBLAS、cuDNN等厂商库调用，仅让五个性能分析引导的LLM智能体优化生成的Triton子内核；候选方案须依次通过静态验证、多随机种子正确性检查、模型级float64回退验证及性能门槛，再对重新拼接的完整模型验证。系统可接收PyTorch nn.Module、独立Triton内核和Helion内核，当前证据为arXiv论文摘要所述实验。

AI 根据报道生成 · 25 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。