KernelSeek用提问驱动GPU内核优化
热点事件持续更新
KernelSeek用提问驱动GPU内核优化
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
论文《Ask, Don't Equip》提出 KernelSeek，通过在关键决策点提问来引导大语言模型优化 GPU kernel；在相同任务、评测器、硬件和一周时限内，该智能体生成的 FlashAttention 前向内核在 Hopper、Blackwell 的 182 个场景中均正确，性能达到 FlashAttention-3 的 1.13 倍。 论文称，工具堆满的主流自主智能体运行 133 步后仍停留在 FlashAttention-3 的 0.50 倍，而 KernelSeek 不依赖 CUTLASS、CuTe、cuBLAS 或 cuDNN；其相对 FA-3、FA-4 的几何平均性能分别为 1.16 倍和 1.46 倍。作者认为，脚本式和开放式智能体都缺少在恰当时机提出性能差距假设的“方向”。
AI 根据报道生成 · 1 小时前更新
最新进展11月5日 22:17
KernelSeek：靠“提问”而非堆工具的编码 AI 智能体，1.13× 跑赢 FlashAttention-3报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- AGI HuntKernelSeek：靠“提问”而非堆工具的编码 AI 智能体，1.13× 跑赢 FlashAttention-3
论文《Ask, Don't Equip》提出 KernelSeek，以决策点提问驱动 LLM 编码 AI 智能体优化 GPU kernel。生成的 FlashAttention 前向 kernel 在 Hopper 与 Blackwell 全部 182 个场景中正确，并以 1.13× 跑赢 FlashAttention-3，对 FA-3/FA-4 的几何平均性能分别为 1.16× 和 1.46×。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。