AutoProfiler

新框架使用 LLM 学习最优 GPU 分析策略

研究人员开发了 AutoProfiler，这是一个新颖的框架，旨在通过智能选择收集哪些硬件信息来优化 GPU 内核性能。与依赖固定分析策略的先前方法不同，AutoProfiler 使用具有大型语言模型的反馈驱动方法来学习动态分析树。该树会进行迭代优化，从而实现更高效、更有效的数据收集，进而带来更好的内核优化，尤其是在分析预算受限的情况下。研究结果表明，需要转向更具适应性的分析推理以提高 GPU 性能。