D2K-Bench

新基准 D2K-Bench 测试 LLM 代理的 GPU 内核设计能力

一项名为 D2K-Bench 的新基准已被开发出来，用于评估大型语言模型 (LLM) 代理将专家设计指导转化为高效 GPU 内核的能力。该基准包含 26 个任务和 85 个工作负载，评估了从高级算法、数据流设计到低级优化等方面的指导。在 NVIDIA B200 GPU 上的结果表明，专家指导显著提高了正确性和性能，像 GPT-6-ASTRA、Claude Opus 4-8 和 GPT 5.6 "Sol" 这样的前沿模型实现了大幅加速。