Quazi Ishtiaque Mahmud

新框架 CudaPerf 通过结构化奖励增强 CUDA 核生成

研究人员开发了 CudaPerf，这是一个旨在改进 CUDA 核生成的创新强化学习框架。该系统结合了可验证的执行奖励和结构化代码感知奖励，解决了先前仅关注正确性和加速的方法的局限性。CudaPerf 分两个阶段进行：一个离线成对排序模块和一个在线强化学习训练阶段，后者共同优化正确性、性能和结构效率。该框架在各种基准测试中，与 Qwen 3 32B 和 CUDA Agent 等现有基线相比，已显示出显著的改进，在加速和正确性方面取得了实质性进展。