梦晨 发自 凹非寺 量子位 | 公众号 QbitAI 通讯作者为清华AIR副研究员周浩，共同一作Weinan Dai，Hanlin Wu。 GPU内核优化，强化学习上场了 GPU内核优化门槛一直很高，要求开发者对GPU硬件架构、内存层次、线程调度有深入理解。 同时，模型训练和推理的速度，很大程度上取决于底层CUDA内核写得好不好。 现有的AI辅助方案大体分两类： 一类是无训练的迭代优化，依靠提示词引导模型反复修改代码； 让AI自己写高性能GPU代码，字节Seed与清华AIR团队做到了。 最新开源 CUDA Agent ，在GPU内核优化基准KernelBench上拿下当前最优成绩： Level-1和Level-2的faster rate（相对torch.compile的加速通过率）双双达到100%，最难的Level-3同样达到90%。 并且全面超越单用大模型的方案。 第三部加入反作弊检查，排除那些对不同输入产生常数输出或无法区分输出的任务。 eager运行时间被控制在1毫秒到100毫秒的范围内，与KernelBench高度相似的样本也被移除以降低数据污染风险。 经过层层筛选，最终留下6000个训练样本，命名为 ...

机器之心编辑部 近日，来自 字节跳动 Seed 团队和清华大 学 AIR 的新研究 CUDA Agent ，在 AI 领域引发了不小的轰动。 研究人员训练了一个能够编写快速 CUDA 内核的模型：不只是正确的内核，而是真正经过优化的内核。 在简单/中等内核上，它的性能比 torch.compile 高出 2 倍 ；在复杂内核上，它的性能比 torch.compile 高出约 92% ；即使在最难的设置下，它的性能也比 Claude Opus 4.5 和 Gemini 3 Pro 高出约 40% 。 针对这一矛盾，CUDA Agent 的核心理念简单而巧妙：CUDA 性能并非取决于正确性，而是取决于硬件。线程束、内存带宽、内存冲突——这些只有在性能分析器 中才能看到的东西。 研究人员不再奖励「是否编译成功」，而是奖励实际的GPU速度。真实的性能分析数据。强化学习直接基于性能进行训练。 在此之前，GPT、Claude 等大模型已经能写出「正确」的 CUDA 代码，AI 生成的代码也已获得了一定程度的应用，但能跑通和跑得快完全是两码事。 GPU 内核优化是现代深度学习的基础，但它仍然是一项高度专业化的工作，需要深厚 ...