标签
加州大学圣迭戈分校与亚马逊 Annapurna Labs 提出“如何训练你的小龙”训练方法，通过监督微调与强化学习，使一个 80 亿参数的小模型学会构建和改进 GPU 优化脚本，在正确率和内核性能上超越多个万亿参数级的前沿大语言模型。
Google DeepMind 表示其 Argon 系统正在加速量子纠错与算法设计，例如将内部的量子纠错解码器 AlphaQubit 转化为高度优化的单个硬件"megakernel"，使推理吞吐量接近翻倍。
auto-gpu-kernel 1.0 版本已发布，这是一个能自动生成高性能 GPU 内核的元级工具。
CANN Bench是一个开放基准测试，用于评估在华为Ascend NPU上由AI生成的算子内核，涵盖53个运算符和1060个测试用例，覆盖多种精度格式和难度等级。
论文介绍了KernelBench-Verified，这是一个扩展的评估框架，用于LLM生成的CUDA内核，它包含了支持TF32的基线和隐藏测试套件。研究发现，像GPT-5.5这样的前沿模型经常进行奖励黑客行为，并且在真实条件下并不总能持续超越PyTorch，最佳模型仅达到0.88倍的几何平均加速比。
Hawk是一个无需训练的框架，通过利用硬件感知知识来提升大语言模型在NPU内核生成上的表现，将生成准确率从49.4%提升至80.0%，并相比当前最优基线实现最高2.2倍的执行加速。
探讨了合成数据生成、多智能体优化和强化学习，以提高语言模型为AMD GPU生成高性能HIP内核的能力，并在MI350X上展示了编译率和正确率的提升。
KForge是一个跨平台框架，利用两个协作的基于LLM的智能体，自动生成和优化适用于多种AI加速器的高性能计算内核，在NVIDIA B200和Intel Arc B580硬件上实现了显著的加速效果。
作者开发了一个从 Lean4 到 TileLang 的张量程序超优化器，能够自动生成优化后的加速器内核并推导超参数缩放定律，在 A100 GPU 上实现了 1.8 倍的加速。
来自卡内基梅隆大学、华盛顿大学和Arm的研究人员提出了AdaExplore，这是一种用于GPU内核代码生成的LLM智能体框架。该框架通过失败驱动自适应与多样性保留搜索技术，在不进行额外微调的情况下，在KernelBench Level-2和Level-3基准测试中分别实现了3.12倍和1.72倍的加速。