PulseAugur
中
实时 10:27:13
English(EN) JAXBench: Benchmarking Autonomous TPU Kernel Optimization

JAXBench 发布，用于基准测试和优化 TPU 内核性能

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 JAXBench，这是一个专为 Google Cloud TPU 优化人工智能内核性能的新基准测试套件。该套件包含 50 个 JAX 工作负载，其中包含来自 Llama-3.1、DeepSeek-V3 和 Gemini 3 Flash 等模型的 17 个生产 ML 运算符，以及来自 KernelBench 的 33 个翻译运算符。初步评估表明，提供特定于上下文的 TPU 文档可显著提高正确性和速度，而搜索结构则比现有的 XLA 等编译器进一步提高了性能。 AI

影响 该基准测试套件旨在通过提供标准化的内核优化评估框架来加速 TPU 上的人工智能模型性能。

排序理由 该项目是一篇学术论文，详细介绍了用于 TPU 上人工智能内核优化的新基准测试套件。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

JAXBench 发布，用于基准测试和优化 TPU 内核性能

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Arya Tschand, Charles Hong, Julian Walker, Nina Cai, Shangkun Wang, Suvinay Subramanian, Sundar Dev, Vijay Janapa Reddi, Amir Yazdanbakhsh, Sethu Sankaran ·

    JAXBench：对 TPU 内核自主优化进行基准测试

    arXiv:2607.20466v1 Announce Type: new Abstract: Rigorous benchmarks have driven progress in autonomous GPU kernel performance optimization by establishing a shared target to hillclimb on, but no equivalent exists for TPUs. We present JAXBench, a TPU-native benchmark suite for AI-…

相关实体

相关话题