Level 1包含100个单个基本操作，如卷积、矩阵乘法等AI基础构建块。虽然PyTorch调用了经过优化的闭源内核，让LLM超越基线具有挑战性，但如果能生成开源内核，将有重要价值。

斯坦福和普林斯顿研究者发现，DeepSeek-R1生成的自定义CUDA内核，完爆了o1和Claude3.5Sonnet，拿下总排名第一。虽然目前只能在不到20%任务上超越PyTorch Eager基线，但GPU编程加速自动化的按钮，已经被按下! 近日，来自斯坦福和普林斯顿的研究者发现，DeepSeek-R1已经能 ...

声明:本文来自于微信公众号 新智元，作者:新智元，授权站长之家转载发布。 【新智元导读】斯坦福和普林斯顿研究者发现，DeepSeek-R1生成的自定义CUDA内核，完爆了o1和Claude3.5Sonnet，拿下总排名第一。虽然目前只能在不到20%任务上超越PyTorch Eager基线，但GPU编程 ...

· 硬件感知的上下文示例 编写良好的内核通常使用融合（fusion）、分块（tiling）、重计算（recompute）和异步（asynchrony）等技术来最大化性能。

编写良好的内核通常使用融合（fusion）、分块（tiling）、重计算（recompute）和异步（asynchrony）等技术来最大化性能。 具体来说，研究人员纳入了三 ...