SOL-ExecBench
PulseAugur coverage of SOL-ExecBench — every cluster mentioning SOL-ExecBench across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
CompoundingKernel 代理编写排名靠前的 GPU 内核,性能超越基线
一个名为 CompoundingKernel 的新型自我改进代理系统在 GPU 内核生成的 SOL-ExecBench 排行榜上取得了顶尖排名。该系统仅从 PyTorch 定义开始,生成的内核比基线参考快得多,并在 Nvidia B200 的多个基准测试中保持了第一名的位置。该系统利用一个 LLM 控制器来指导并行代理进行搜索过程,并通过外部存档存储正确的内核及其谱系以促进自我改进。
-
百度ERNIE Evolve系统实现新AI研究基准
百度推出了ERNIE Evolve,一个旨在优化AI训练和推理代码的自动化研究系统。该系统自主探索研究方向、修改代码并进行实验,只保留成功的更改。在测试中,ERNIE Evolve在包括NanoChat和NanoGPT在内的多个公开基准上超越了现有记录,并显著提高了百度正在开发的ERNIE-5.5-Flash模型的推理速度。
-
Infinigence AI以88个第一的成绩登顶GPU性能榜
Infinigence AI在NVIDIA Research SOL-ExecBench基准测试中取得了显著成功,在各种GPU算子优化类别中赢得了88个独立的榜首排名。该公司的表现凸显了AI基础设施的进步,特别是在优化大型语言模型和智能体系统的GPU性能方面。这一成就强调了行业向最大化“Token Maxxing”的更广泛转变——确保增加的token使用量能有效转化为任务完成和生产力,而不仅仅是原始计算。
-
DuoDiscover系统通过新颖的评估方法加速自主发现
研究人员开发了DuoDiscover,这是一种新颖的搜索系统,旨在克服复杂工程任务中自主发现的评估瓶颈。该系统采用一组编码代理,它们同时识别优化目标并创建快速、定制化的代理评估器(称为yardsticks)来指导其进展。DuoDiscover持续验证这些yardsticks与真实评估的保真度,并以自下而上、去中心化的方式运行,从而在软件开发和芯片架构等领域实现自主优化。这种方法已显示出显著的改进,包括使人类专家在SWE-fficien…
-
新框架优化深度学习和 HPC 的 GPU 内核 · 跟踪 3 个来源
三篇新研究论文介绍了用于优化 GPU 内核的先进框架,这对于深度学习和高性能计算至关重要。HIERA 专注于跨 PyTorch 和 CUDA 等不同实现空间的感知工作负载规划,展示了更高的效率和性能。AsmEvo 在 AMD GPU 的汇编级别进行优化,验证功能等价性并在生产工作负载上实现显著加速。KernelArc 在 NVIDIA GPU 上采用多智能体框架进行自主优化,通过协调专业智能体在基准排行榜上获得顶级排名。
-
AI生成的CUDA内核导致深度学习训练中出现静默错误
旨在加速深度学习计算的AI生成的CUDA内核,已被发现会引入微妙且难以检测的错误。这些内核通过了NVIDIA的SOL-ExecBench基准测试,但在实际训练场景中却出现了问题,导致诸如损失发散等故障。问题源于嵌入梯度bf16累积中的精度错误,这些错误会被AdamW等某些优化器或特定数据集所掩盖,从而难以诊断。