论文页面 - Metal-Sci：面向 Apple Silicon 上进化式大语言模型内核搜索的科学计算基准 来源：https://huggingface.co/papers/2605.09708

摘要

针对 Apple Silicon 的科学计算内核优化构建了一个自动化搜索框架，该框架将大语言模型融入进化循环以提升性能，并通过分布外评估来识别隐性性能回退。我们推出了 Metal-Sci，这是一个包含 10 项任务的基准测试，聚焦于 Apple Silicon Metal 科学计算内核（https://huggingface.co/papers?q=Metal%20compute%20kernels），覆盖六大优化场景（https://huggingface.co/papers?q=optimization%20regimes）（模板计算、N体问题全对运算、多场玻尔兹曼求解、基于邻域的分子动力学、多核偏微分方程、快速傅里叶变换）。每项任务均标配 CPU 参考实现、以 Roofline 模型为基准的适应度函数（https://huggingface.co/papers?q=roofline-anchored%20fitness%20function）以及留出型泛化规模（https://huggingface.co/papers?q=held-out%20generalization%20size）。我们将基准测试与一套轻量级工具链结合，用于自动内核搜索（https://huggingface.co/papers?q=automatic%20kernel%20search）。该工具链支持对每个候选内核进行运行时编译，在多组规模下基于 Roofline 模型进行打分，并将结构化的编译日志与逐规模正确性诊断反馈给冻结参数的 LLM（https://huggingface.co/papers?q=frozen%20LLM），从而驱动一个 1+1 进化循环（https://huggingface.co/papers?q=evolutionary%20loop）。

我们在 M1 Pro 上报告了 Claude Opus 4.7、Gemini 3.1 Pro 和 GPT 5.5 的同等单模型基准测试结果：分布内自加速比介于 1.00 倍至 10.7 倍之间。除单纯的加速比外，我们的核心方法论主张在于结构层面：预留门控评分函数 Φ_T（仅在任务结束时，针对智能体在搜索阶段从未接触过的配置进行一次评估）在此自动搜索闭环中充当了一种低成本机械监督原语（https://huggingface.co/papers?q=mechanical%20oversight%20primitive），能够精准捕获诸如 Opus 在模板 HMC 任务中胜出却在未见维度返回错误样本，以及 GPT 在 FFT3D 任务中以 2.95 倍加速比在分布内领先，却在 256^3 的预留立方体上骤降至 0.23 倍的案例。此类仅凭分布内评分难以察觉的静默性能回退（https://huggingface.co/papers?q=silent%20regression）正是本方法的关注重点。

代码仓库：https://github.com/vicgalle/metal-sci-kernels 查看 arXiv 页面 (https://arxiv.org/abs/2605.09708) 查看 PDF (https://arxiv.org/pdf/2605.09708) GitHub (https://github.com/vicgalle/metal-sci-kernels) 添加到集合 (https://huggingface.co/login?next=%2Fpapers%2F2605.09708) 在你的智能体中读取此论文：hf papers read 2605.09708 尚未安装最新版命令行工具？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型

0 暂无链接此论文的模型 在模型 README.md 中引用 arxiv.org/abs/2605.09708 即可从此页面链接到本文。

引用此论文的数据集

0 暂无链接此论文的数据集 在数据集 README.md 中引用 arxiv.org/abs/2605.09708 即可从此页面链接到本文。

引用此论文的 Spaces

0 暂无链接此论文的 Space 在 Space README.md 中引用 arxiv.org/abs/2605.09708 即可从此页面链接到本文。

收录此论文的集合

0 暂无收录此论文的集合 将此论文添加至集合 (https://huggingface.co/new-collection) 即可从此页面链接到它。