Evaluating CUDA Tile for AI Workloads on Hopper and Blackwell GPUs
University of California, Berkeley(加州大学伯克利分校);Stanford University(斯坦福大学)
本文评估了CUDA Tile在Hopper和Blackwell GPU上的AI工作负载性能,比较了CuTile与cuBLAS、Triton等方法的效率和可移植性,发现CuTile在特定工作负载上表现优异,但在跨架构优化上仍有不足。
2026-06-03 cs.AI cs.AR cs.LG
Hybrid JIT-CUDA Graph Optimization for Low-Latency Large Language Model Inference
Department of Computer Science(计算机科学系);University of Wisconsin-Milwaukee(威斯康星大学密尔沃基分校);Milwaukee, WI, USA(美国威斯康星州密尔沃基)
本文提出一种混合运行时框架,结合JIT编译与CUDA图执行,以降低启动开销并保持自回归解码的运行时灵活性,通过静态组件和动态组件的分离,有效减少短序列LLM推理的延迟和方差。
2026-04-25 cs.AI cs.AR cs.LG
AgentCompile: An LLM-Guided Compiler for Direct CUDA Inference
City University of Hong Kong (Dongguan)(香港城市大学(东莞));City University of Hong Kong(香港城市大学)
提出AgentCompile,利用LLM提供语义建议,通过模板生成CUDA候选实现并验证,在多个Transformer模型上实现4-5.7倍加速。
2026-11-10 cs.AI cs.PL
KernelBench-Verified: Do LLM-Generated Kernels Actually Beat PyTorch?
Meta;FAIR at Meta SuperIntelligence Lab(元超智能实验室公平团队);Stanford University(斯坦福大学)
研究大语言模型生成的内核是否真能超越PyTorch,指出前沿模型存在奖励黑客行为。引入KernelBench-Verified扩展评估框架及内存效率指标,实验发现最佳模型加速比低,无模型始终超PyTorch,部分模型增加GPU内存峰值使用,强调持续调整评估协议的必要性。
2026-07-21 cs.AI cs.LG
MobileKernelBench: Can LLMs Write Efficient Kernels for Mobile Devices?
本文探讨LLMs能否为移动设备编写高效内核,提出MobileKernelBench框架,发现现有模型在移动框架中表现不佳,提出MoKA多智能体系统提升编译成功率和性能。
2026-03-15 cs.AI cs.LG
HIERA: Workload-Aware Planning Across Implementation Spaces for GPU Kernel Optimization
Shanghai Key Laboratory of Scalable Computing and Systems(上海可扩展计算与系统重点实验室);School of Computer Science, Shanghai Jiao Tong University(上海交通大学计算机科学与工程学院)
HIERA是一种跨实现空间的GPU内核优化分层规划框架,在KernelBench实验中优于无训练方法,还在科学计算模板算子上实现1.53倍加速,无需额外训练即可接近CUDA-L1性能。
2026-08-24 cs.AI cs.DC
KernelGenBench: Can LLMs and Agents Write Efficient Kernels Across Operator Sources and Hardware Platforms?
Beijing Normal University(北京师范大学);Beijing Jiaotong University(北京交通大学);Institute of Automation, CAS(中国科学院自动化研究所);Peking University(北京大学);BAAI(北京智源人工智能研究院)
该研究提出KernelGenBench基准,评估LLM与智能体生成的Triton内核,发现智能体方法优于纯LLM采样,cuBLAS算子最具挑战,跨平台性能退化严重,自主生成成本远高于简单采样。
2026-09-10 cs.AI cs.LG
KernelBench: Can LLMs Write Efficient GPU Kernels?
Stanford University(斯坦福大学);Princeton University(普林斯顿大学)
针对编写高效GPU核函数的挑战,提出开源基准KernelBench评估LLMs生成能力,引入fast_p指标,实验显示前沿模型表现最佳但仅20%案例匹配PyTorch基线,迭代反馈可改善结果但基准难度随阈值提升而增加。
2025-02-14 cs.AI cs.LG cs.PF
SIP: Autotuning GPU Native Schedules via Stochastic Instruction Perturbation
University of Cambridge(剑桥大学)
本文提出SIP方法,通过定义GPU原生指令调度搜索空间并应用随机搜索进行自动优化,有效提升了LLM训练和推理中CUDA内核的极致性能与吞吐量。
2024-03-25 cs.AI cs.AR
SonicSampler: Unified Tile-Aware Kernels for LLM Sampling and Speculative Verification
Together AI
研究针对语言模型推理采样中现有实现的局限,提出SonicSampler,它是统一的瓦片感知Triton内核套件,垂直融合采样流水线。核心方法是分层两阶段top-k算法,在异构推测性解码工作负载中比基线快达16倍,保持灵活批处理执行。
2026-07-24 cs.AI cs.CL cs.LG
CUDA Agent: Large-Scale Agentic RL for High-Performance CUDA Kernel Generation
Institute for AI Industry Research (AIR), Tsinghua University(人工智能产业研究院(AIR)、清华大学);SIA-Lab of Tsinghua AIR(清华大学AIR SIA实验室)
CUDA Agent通过大规模代理强化学习系统,实现高性能CUDA内核生成,优于现有编译器和大型语言模型。
2026-02-27 cs.AI cs.LG
From Tokens to Regions: CUDA-Sensitive Instruction Tuning for GPU Kernel Generation
Shanghai Jiao Tong University(上海交通大学);Biren Technology(壁仞科技)
提出CuSeT方法,通过自适应令牌级掩码和区域感知样本重加权,在简单SFT框架内提升LLM生成CUDA内核的功能正确性。
2026-06-16 cs.AI cs.LG
QUICK: Quantization-aware Interleaving and Conflict-free Kernel for efficient LLM inference
SqueezeBits Inc.(SqueezeBits公司)
本文提出QUICK,一组新型优化CUDA内核,通过离线交错量化权重矩阵以跳过反量化后的共享内存写回,解决了混合精度矩阵乘法的共享内存库冲突问题,在多种NVIDIA GPU上实现了最高1.91倍加速和1.94倍吞吐量提升。
2024-02-15 cs.AI cs.CL cs.LG
KernelBlaster: Continual Cross-Task CUDA Optimization via Memory-Augmented In-Context Reinforcement Learning
NVIDIA;University of California, Berkeley(加州大学伯克利分校)
KernelBlaster通过记忆增强的上下文强化学习框架提升CUDA代码优化性能,实现跨多个GPU架构世代的高效优化。
2026-02-15 cs.AI cs.LG
Evaluation of OpenAI Codex for HPC Parallel Programming Models Kernel Generation
Oak Ridge National Laboratory(橡树岭国家实验室)
本文评估了 OpenAI Codex 在 HPC 数值内核生成上的能力,覆盖 C++、Fortran、Python 和 Julia 的多种并行编程模型,提出基于前 10 条建议的熟练度指标,发现生成质量与编程模型成熟度相关。
2023-06-27 cs.AI cs.ET cs.PL
Multi-turn RL with Structural and Performance Aware Rewards for CUDA Kernel Generation
Iowa State University(爱荷华州立大学);Cisco AI Research(思科人工智能研究院)
研究针对 CUDA 内核生成,提出 CudaPerf 框架,结合可验证执行奖励与结构代码感知奖励,分离线排序和在线训练两阶段,利用执行反馈迭代细化,通过实验证明其显著优于基线,在加速和正确性上有大幅提升。
2026-07-24 cs.AI cs.LG
CUDA-L2: Surpassing cuBLAS Performance for Matrix Multiplication through Reinforcement Learning
DeepReinforce Team(DeepReinforce 团队)
研究提出CUDA-L2系统,结合大语言模型与强化学习自动优化HGEMM的CUDA内核,以CUDA执行速度为奖励,在多种配置上优化。实验表明其在离线和服务器模式下均超越主要基线,证明可通过该方法改进关键内核。
2026-11-13 cs.AI cs.LG
CudaForge: An Agent Framework with Hardware Feedback for CUDA Kernel Optimization
University of Minnesota, Twin Cities(明尼苏达大学,双城分校)
提出免训练多智能体框架CudaForge,通过集成硬件反馈迭代优化CUDA内核,在正确率、加速比及跨硬件泛化性上均超越现有方法,且成本极低。
2025-11-05 cs.AI cs.CL cs.DC
ITQ3_S: High-Fidelity 3-bit LLM Inference via Interleaved Ternary Quantization with Rotation-Domain Smoothing
本文提出ITQ3_S,一种新的3位权重量化格式,通过FWHT预旋转空间,解决传统3位方法的精度损失问题,实现高保真LLM部署。
2026-03-31 cs.AI cs.DC cs.LG
Towards Robust Agentic CUDA Kernel Benchmarking, Verification, and Optimization
Sakana AI
本文提出 robust-kbench 基准和智能体框架,通过进化元生成与 LLM 验证器自动将 PyTorch 代码转换为并优化 CUDA 内核,在多种场景下实现超越 torch 的性能。
2025-09-16 cs.AI cs.LG cs.SE
DataKernelBench: Can LLMs Optimize Database Queries on GPUs?
IBM Research(IBM研究院);TU Wien(维也纳技术大学)
本文提出DataKernelBench基准,评估LLM在GPU上优化数据库查询内核的能力,实验显示最强模型配置在TPC-H数据集上实现2.11倍加速,工作负载上下文对性能影响大于硬件上下文。
2026-10-16 cs.AI cs.CL cs.DB
Accelerating GPU Inference of Large Language Models with Moderately Unstructured Sparse Weight Matrices
National University of Singapore(新加坡国立大学);Zhejiang University(浙江大学)
研究大语言模型推理成本挑战,提出含稀疏张量核层等的三层矩阵存储格式,设计联合稀疏张量核与CUDA核的SpMM内核,实现了在现代GPU上超越密集矩阵乘法,取得显著加速。
2026-07-13 cs.AI cs.AR cs.LG
TiledAttention: a CUDA Tile SDPA Kernel for PyTorch
Helmholtz Centre for Environmental Research - UFZ(环境保护研究霍普夫研究所)
TiledAttention是一种基于SDPA的注意力机制,通过cuTile Python实现,提供可编辑的调度层面,实现高性能和可定制化的平衡。
2026-05-11 cs.AI cs.LG
Comparing Llama-2 and GPT-3 LLMs for HPC kernels generation
Oak Ridge National Laboratory(橡树岭国家实验室);Texas A&M International University(德州农工国际大学)
研究比较开源Llama-2与GPT-3基线在多语言多并行模型下生成HPC内核的准确率,发现Llama-2简化模型准确率具竞争力且正确时优化更优,而Copilot代码更可靠但优化较少。
2023-09-12 cs.AI cs.DC cs.PL
PyGraph: Robust Compiler Support for CUDA Graphs in PyTorch
Indian Institute of Science(印度科学研究院);Microsoft Research India(微软印度研究院)
PyGraph通过自动代码转换、消除参数复制开销和选择性部署优化,提升PyTorch中CUDA Graphs的效益。
2025-12-22 cs.LG
DICE: Diffusion Large Language Models Excel at Generating CUDA Kernels
Westlake University(西湖大学);Hong Kong University of Science and Technology(香港科技大学);Rochester Institute of Technology(罗切斯特理工学院)
提出CuKe数据集和BiC-RL训练框架,构建DICE系列扩散大语言模型(1.7B/4B/8B),在KernelBench上显著优于同类自回归和扩散模型,实现CUDA内核生成新SOTA。
2026-06-17 cs.CL cs.LG
CUDA-L1: Improving CUDA Optimization via Contrastive Reinforcement Learning
DeepReinforce Team(深强化团队)
CUDA-L1通过对比强化学习提升CUDA优化,实现显著加速并展示出优化策略的可移植性和有效性。
2026-11-11 cs.AI cs.DC cs.LG
Evolution of Kernels: Automated RISC-V Kernel Optimization with Large Language Models
针对 RISC-V 等参考稀缺领域,本文提出基于 LLM 的演化式内核优化框架 EoK,通过挖掘历史优化思想并结合 RAG 引导并行搜索,在 80 个任务上超越人类专家并较先前方法提升 20%。
2025-09-14 cs.AI cs.SE
Self-Selected Attention Span for Accelerating Large Language Model Inference
d-Matrix Corporation(d-Matrix公司);MIT(麻省理工学院)
针对大语言模型推理时注意力token增多导致效率低的问题,提出通过微调让模型自主选择每步最小注意力跨度并生成稀疏掩码,结合自定义CUDA内核实现推理吞吐量提升28%,为加速实际任务的自回归推理提供了端到端方案。
2024-04-14 cs.AI cs.CL
APEX4: Efficient Pure W4A4 LLM Inference via Intra-SM Compute Rebalancing
Hasso Plattner Institute(霍普夫-普拉特纳研究所);GreenBit.AI;German University of Digital Science(德国数字科学大学)
针对W4A4量化中CUDA核心反量化瓶颈,提出基于SM内计算平衡的ρ感知粒度自适应方法,设计纯INT4 GEMM内核,在多种GPU上实现最高2.09倍加速。
2026-06-26 cs.AI cs.DC
ParBench: A Benchmark for Reliable Evaluation of LLM Parallel Code Translation
研究针对大语言模型并行代码翻译缺乏可靠评估方法的问题,提出ParBench基准框架,通过声明性规范评估,涵盖多开源套件与跨API翻译方向,经源增强测试,揭示了当前并行代码翻译存在的如方向不对称等障碍。
2026-07-28 cs.AI cs.DC
Making LLMs Optimize Multi-Scenario CUDA Kernels Like Experts
Tsinghua University(清华大学)
本文提出CUDAMaster系统,通过多代理和硬件感知方法,实现对多场景CUDA内核的高效优化,显著提升性能并超越现有闭源库。
2026-03-07 cs.LG stat.ML
Kevin: Multi-Turn RL for Generating CUDA Kernels
Stanford University(斯坦福大学);Cognition AI(认知AI)
本文提出首个通过多轮强化学习训练的 CUDA 内核生成与优化模型 Kevin,通过灵活的多轮 RL 方案解决长轨迹学习与奖励归因挑战,显著提升了内核正确率与加速比,并发现串行细化比并行采样更有益。
2025-07-16 cs.AI cs.LG cs.PF
Optimizing CUDA like a Human: Micro-Profiling Tools as Expert Surrogates for LLM-Based GPU Kernel Optimization
Amazon(亚马逊);Siemens(西门子);University of Minnesota(明尼苏达大学)
提出KernelPro闭环多智能体系统,通过LLM代码生成与硬件剖析反馈及可插拔瓶颈检测工具迭代优化GPU内核,在KernelBench上实现2.42x/4.69x/5.30x加速比,并首次兼顾能效优化。
2026-08-11 cs.LG
Fast ground penetrating radar dual-parameter full waveform inversion method accelerated by hybrid compilation of CUDA kernel function and PyTorch
State Key Laboratory of Deep Earth Exploration(深部探测与成像国家重点实验室);College of GeoExploration Science and Technology(地球探测科学与技术学院);Jilin University(吉林大学)
本研究提出一种由CUDA核函数与PyTorch混合编译加速的探地雷达双参数全波形反演框架,利用GPU编程实现介电常数和电导率的高效准确反演,具备高精度、灵活可扩展性,适用于快速地下成像。
2025-06-25 cs.LG eess.SP physics.geo-ph
A Case Study in CUDA Kernel Fusion: Implementing FlashAttention-2 on NVIDIA Hopper Architecture using the CUTLASS Library
Colfax Research(科尔法克斯研究)
本研究使用CUTLASS库在NVIDIA Hopper架构上实现FlashAttention-2前向传播的融合CUDA内核,阐述融合相关技术与挑战,实验显示其在H100 PCIe GPU上的FLOPs/s较Ampere架构优化版高20-50%。
2023-12-19 cs.DC cs.LG
Foundry: Template-Based CUDA Graph Context Materialization for Fast LLM Serving Cold Start
University of Michigan(密歇根大学);UC Berkeley(加州大学伯克利分校);Duke(杜克大学)
Foundry通过模板化CUDA图上下文材料化,减少LLM服务冷启动延迟,提升启动速度并保持吞吐量。
2026-04-08 cs.DC cs.LG
DRTriton: Large-Scale Synthetic Data Driven Reinforcement Learning for Triton Kernel Generation
Texas A&M University(德克萨斯大学)
提出DRTriton框架,通过合成数据生成、课程强化学习和测试时搜索,训练LLM将PyTorch程序转换为优化的Triton内核,在KernelBench Level 2任务中超越GPT-5.2和Claude-Sonnet-4.5。
2026-11-16 cs.CL cs.LG
CUDAHercules: Benchmarking Hardware-Aware Expert-level CUDA Optimization for LLMs
University of Minnesota(明尼苏达大学);Northeastern University(东北大学)
CUDAHercules基准测试评估生成CUDA代码与人类专家级优化的差距,揭示自动化CUDA编程在硬件感知和优化策略上的不足。
2026-05-08 cs.LG
Machine Learning for CUDA+MPI Design Rules
Sandia National Laboratories(桑迪亚国家实验室)
我们提出了一种新的策略,自动探索关键CUDA+MPI程序的设计空间,并提供区分快速实现慢的设计规则。在这样的程序中,操作的顺序(例如,GPU内核、MPI通信)和将操作分配给资源(例如,GPU流)使得可能的设计空间巨大。系统专家的任务是重新设计和重新优化这些程序,以有效地利用每个新平台。这项工作提供了一个原型工具,以减少这一负担。在我们的方法中,CUDA和MPI操作的有向无环图定义了程序的设计空间。蒙特卡罗树搜索发现设计空间中对程序性能有很大影响的区域。序列到向量的转换为每个探索的实现定义了特征,并且每个实现根据其相对性能被分配了一个类标签。决策树在特征和标签上进行训练,为每个类生成设计规则;系统专家可以使用这些规则来指导其实现。我们展示了我们的策略,使用一个关键的内核从科学计算-稀疏矩阵向量乘法-在一个平台上与多个MPI行列和GPU流。
2022-03-17 cs.LG cs.PF
Kernel Operations on the GPU, with Autodiff, without Memory Overflows
Université de Montpellier(蒙彼利埃大学);École Normale Supérieure(巴黎高等师范学院);Université de Paris(巴黎大学)
KeOps库为张量提供了快速且内存高效的GPU支持,张量的条目由数学公式给出,例如内核和距离矩阵。KeOps解决了以张量为中心的库在内核和几何应用中的主要瓶颈:内存消耗。它还支持自动微分,性能优于标准GPU基线,包括PyTorch CUDA张量或Halide和TVM库。KeOps将优化的C++/CUDA方案与用于高级语言的绑定器相结合:Python(Numpy和PyTorch)、Matlab和GNU R。因此,高级“二次”代码现在可以扩展到大型数据集,在几秒钟内处理数百万个样本。KeOps为内核方法带来了类似图形的性能,并且可以在标准存储库(PyPi,CRAN)上免费获得。为了展示其多功能性,我们在\url{www.kernel-operations.io}上提供了各种设置的在线教程。
2021-04-08 cs.LG
KernelZero: Co-Evolving Proposer and Coder for Continuously Improved GPU Kernel Generation
提出KernelZero协同进化框架,通过生成器与编码器交替优化及CA-GRPO策略,在保证正确性后优化性能,显著提升GPU内核生成效率,超越多个基线模型。
2026-11-17 cs.LG cs.SE
Astra: A Multi-Agent System for GPU Kernel Performance Optimization
Stanford University(斯坦福大学);Shanghai Jiao Tong University(上海交通大学);Nanjing University(南京大学)
Astra是首个基于LLM的多智能体系统,用于优化GPU内核性能,通过协作生成高效内核并实现显著加速。
2025-12-02 cs.AI cs.CL cs.DC
SoftDTW-CUDA-Torch: Memory-Efficient GPU-Accelerated Soft Dynamic Time Warping for PyTorch
The Faculty of Computer and Information Science Ben-Gurion University of the Negev(计算机与信息科学学院贝京大学)
SoftDTW-CUDA-Torch通过GPU加速实现高效的软动态时间规整,解决内存消耗和数值稳定性问题,支持任意序列长度和PyTorch自动求导。
2026-02-19 cs.LG
GPU Parallelization Strategies for Forward and Backward Propagation in Shallow Neural Networks: A CUDA-Based Comparative Study
本研究比较了浅层神经网络中前向和反向传播的三种CUDA优化策略(平铺共享内存、预转置权重矩阵、融合MatMul+ReLU核),在NVIDIA Tesla T4上实现1.41倍加速。
2026-06-29 cs.DC cs.LG
CuTeGen: An LLM-Based Agentic Framework for Generation and Optimization of High-Performance GPU Kernels using CuTe
Department of Computer Science, University of Toronto(计算机科学系,多伦多大学)
本文提出CuTeGen,一种基于LLM的代理框架,通过CuTe抽象层实现GPU内核的生成和优化,通过结构化生成-测试-优化工作流,在标准基准测试中实现了比PyTorch快1.71倍的速度提升,并在生成成本相近的情况下优于现有代理基线CudaForge。
2026-06-03 cs.AI cs.DC cs.LG
NKI-Agent: Domain-Specific Fine-Tuning and Agentic Tool Use for Neuron Kernel Generation
AWS Neuron Team(亚马逊云科技神经元团队);Amazon Web Services(亚马逊云科技)
针对新兴AI加速器,介绍NKI-Agent系统,结合特定领域监督微调与编译验证修复智能体循环生成NKI内核,适配框架、构建基准并评估,显示工具使用关键及不同模型表现,为强化学习奖励设计提供指导。
2026-07-07 cs.LG
AKG kernel Agent: A Multi-Agent Framework for Cross-Platform Kernel Synthesis
Huawei Technologies Co., Ltd.(华为技术有限公司);Hunan University(湖南大学)
AKG核代理是一种多智能体系统,通过自动化核生成、迁移和性能调优,提升跨平台核开发效率。
2025-12-29 cs.AI cs.LG
CuAsmRL: Optimizing GPU SASS Schedules via Deep Reinforcement Learning
University of Cambridge(剑桥大学)
针对专用CUDA内核仍有性能提升空间的问题,提出CuAsmRL方法,通过构建汇编游戏训练强化学习智能体优化GPU SASS调度,可透明提升现有内核性能最高26%、平均9%,还能揭示潜在优化操作。
2025-01-14 cs.AR cs.LG
Performance Optimization of Deep Learning Sparse Matrix Kernels on Intel Max Series GPU
Old Dominion University(老道明大学);Intel Corporation(英特尔公司)
本文利用英特尔 oneAPI 的 ESIMD SYCL 扩展 API 优化了 SPMM、SDDMM 和 FusedMM 三种稀疏矩阵运算,在英特尔 Max 系列 GPU 上实现接近峰值性能,并优于 oneMKL 及 NVIDIA V100 上的 CUDA 实现。
2023-11-01 cs.LG cs.MS
daVinci-kernel: Co-Evolving Skill Selection, Summarization, and Utilization via RL for GPU Kernel Optimization
University of Science and Technology of China(中国科学技术大学)
提出daVinci-kernel框架,通过强化学习联合训练技能选择、策略生成和技能总结三个智能体,共享LLM骨干,实现GPU内核优化,在KernelBench上超越先前最优模型。
2026-07-28 cs.AI cs.CL cs.LG
Write a Classifier: Predicting Visual Classifiers from Unstructured Text
人们通常通过接触与语言描述相关的视觉概念来学习。例如,向儿童教授视觉对象类别通常伴随着文本或语音中的描述。在机器学习的背景下,这些观察促使我们问这个学习过程是否可以通过计算建模来学习视觉分类器。更具体地说,这项工作的主要问题是如何利用纯文本描述的视觉类没有训练图像,学习显式的视觉分类器。我们提出并研究了两个基线配方,基于回归和域转移,预测线性分类器。然后,我们提出了一个新的约束优化配方,结合了回归函数和知识转移函数与额外的约束来预测线性分类器的参数。我们还提出了一个通用的内核化模型,其中一个内核分类器预测的形式定义的代表定理。核化模型允许分别在视觉空间和文本空间中定义和利用任何两个RKHS(再生核希尔伯特空间)核函数。最后,我们提出了一个非结构化的文本描述,建立在分布式语义,这表明在我们的设置的优势,并可能是有用的其他应用程序之间的内核函数。我们应用所有研究的模型来预测两个细粒度和具有挑战性的分类数据集(CU Birds和Flower Datasets)上的视觉分类器,结果表明我们的最终模型在我们设计的几个基线上成功预测。
2016-12-28 cs.CL cs.CV cs.LG
vAttention: Dynamic Memory Management for Serving LLMs without PagedAttention
Microsoft Research(微软研究院);Indian Institute of Science(印度科学学院)
提出vAttention,通过CUDA虚拟内存管理API解耦虚拟与物理内存分配,在保持KV缓存虚拟内存连续性的同时缓解物理内存碎片化,作为PagedAttention的更优替代方案,提升LLM服务吞吐量达1.23倍。
2025-01-29 cs.LG cs.OS
KernelFoundry: Hardware-aware evolutionary GPU kernel optimization
Intel Corporation(英特尔公司)
KernelFoundry通过MAP-Elites搜索、元提示进化和模板参数优化,高效探索GPU内核设计空间,实现SYCL内核在KernelBench上的2.3倍加速。
2026-09-04 cs.DC cs.LG