标签
OpenBMB 的 ForgeKernel 智能体历时 22 小时，以 NVIDIA 的 FlashMLA 黑盒基线为参照，自主优化了一个 GPU 内核，在 B200 上实现了 9.8% 的性能提升，并将开源 27 个优化后的算子及 ForgeKernel 框架。
Meta 的 Kaiming Cheng 将在 PyTorch Conference North America 2026 上展示 KernelAgent——一个由硬件指导的多智能体框架，用于优化 GPU Triton 内核。在 100 个 KernelBench L1 任务上，该框架相比先前版本实现了 2.02 倍的加速，相比默认的 `torch.compile` 实现了 1.56 倍的加速。
KernelPro是一个闭环多智能体系统，利用LLM和微剖析工具自动优化GPU内核代码，在KernelBench上实现了2.42×/4.69×/5.30×的几何平均加速，并在相同速度下实测能耗降低11.6%。
Recursive 发布了一个自动化AI研究系统，在三个基准测试中取得了最先进的结果：固定预算语言模型训练、小模型训练速度和GPU内核优化。该系统自动化了研究循环，并开源了其运行中的产物。
Recursive 发布了其自动化 AI 研究系统的早期成果，在固定预算语言模型训练、小模型训练速度以及 GPU 内核优化方面达到了业界领先水平，并开源了相关制品。
AgentKernelArena是一个开源基准测试，用于评估AI编码代理在GPU内核优化方面的表现，涵盖完整的代理工作流程以及跨196个任务对未见配置的泛化能力。