标签
纪念 Johannes Doerfert，突出他对 LLVM 编译器项目的重要贡献，包括在 Attributor 框架、OpenMP offloading 和多面体优化方面的工作，以及他对开源社区的影响。
Go引入了实验性的SIMD API，以启用平台无关的SIMD操作，旨在在不同CPU架构上提供接近汇编的性能。
本文提出了一种针对隐半马尔可夫模型的 Viterbi 算法张量形式化方法，支持在 CPU 和 GPU 上并行化，相比顺序实现实现显著加速。
本文评论探讨了AI推理、自主实验、高性能计算和量子计算的融合如何重塑化学并加速材料科学发现。
Deepity C++库实现了优化的预测编码网络，以在MNIST上实现接近反向传播的性能，准确率为97.73%，耗时59.5秒。
CUDA-Harness是一个利用智能体技术从自然语言描述生成和优化CUDA内核的框架，通过连接高级语义与低级实现和验证来解决Text2CUDA中的挑战。
PyTorchCon北美2026大会设有内核工程轨道，专注于编译器、优化、自定义内核和系统工作，并有Mark Saroufim的主题演讲。
Tenstorrent发布了Quietbox 2，这是一款高性能系统，配备256GB内存和128GB互联的GDDR，专为AI开发设计，具有令人印象深刻的可扩展性和互联功能。
NVIDIA的NVLink Fusion技术使定制XPU能够与其AI基础设施集成，提升性能，加速产品上市时间，并降低大规模AI工厂的成本。
本文介绍了一种零开销、多厂商的 GPU 编译框架，该框架内置于 Rust 编译器中，利用 Rust 的所有权模型确保内存安全，并实现与原生 CUDA 和 HIP 基准相媲美的性能。
Atomarine 提出在海上建设浮动的数据中心园区，由天然气（未来使用核反应堆）供电，利用海水冷却和标准化驳船，以绕过人工智能计算的电网接入延迟。
ParBench是一个基准测试框架，用于评估基于LLM的跨CUDA、OpenMP、OpenCL和OpenMP目标卸载的并行API翻译，侧重于可执行、可重现的条件和鲁棒性测试。
本文介绍了一种智能体AI系统，旨在通过检索文档和生成分析代码，协助欧洲XFEL的科学家分析复杂的实验数据，并与高性能计算环境集成。
DeadPool 为 LLM 训练引入了一种容错机制，能够通过零开销的内存检查点实现故障节点与备用节点的热插拔，在不中断任务的情况下实现快速恢复。
一份精心整理的资源列表，用于掌握AI系统的GPU工程，涵盖CUDA、ROCm、优化工具、多GPU编排和分布式训练。
LeetCUDA是一个GitHub上开源的CUDA系统教程，包含200多个循序渐进的CUDA Kernel实战题和100多篇高性能计算博客，配套HGEMM库性能可达cuBLAS的98%~100%，适合CUDA初学者和AI工程师系统掌握CUDA优化。
本文介绍了Decompose-K技术，用于加速瘦高大K矩阵乘法，通过将K维度分割成块，执行批量矩阵乘法，并求和部分结果。还提供了PyTorch实现和基准测试，显示对于形状不佳的矩阵乘法，相比标准torch.compile有显著加速。
NVIDIA宣布推出新的AI软件库和微服务——DAQIRI、ALCHEMI和cuPhoton——大幅加速天文学、材料科学和粒子物理等领域的科学计算任务，相比基于CPU的流水线可实现高达14,900倍的加速。
一条推文讲述了一位数学天才如何为简街（Jane Street）构建了一套每秒可处理数万亿次运算的AI系统，并赚取高额薪水，同时推荐了一场解释该方法的讲座。
本文介绍了HPC-LLM，一个面向HPC工作流的检索增强与领域自适应助手，基于HPC文档使用QLoRA微调Llama 3.1 8B模型。实验表明，该模型在资源需求显著降低的情况下，性能与更大的通用模型相当。