斯坦福大学研究团队意外发现，AI生成的CUDA内核性能超越了人类专家优化的结果，部分操作性能提升近400%，并在多种深度学习操作中表现出色。
研究团队采用的方法是在每次迭代中加入语言推理步骤，通过生成自然语言优化思想再转化为代码，这种方法显示出与人类经验相似的优化策略，且能够发现高级优化和硬件特性。
华人主创团队原本的目标是生成合成数据以训练内核生成模型，但意外发现仅在测试阶段生成的合成数据本身，就能生成性能优秀的内核，展示了AI在优化领域的巨大潜力。
斯坦福大学研究团队意外发现，AI生成的CUDA内核性能超越了人类专家优化的结果，部分操作性能提升近400%，并在多种深度学习操作中表现出色。
研究团队采用的方法是在每次迭代中加入语言推理步骤，通过生成自然语言优化思想再转化为代码，这种方法显示出与人类经验相似的优化策略，且能够发现高级优化和硬件特性。
华人主创团队原本的目标是生成合成数据以训练内核生成模型，但意外发现仅在测试阶段生成的合成数据本身，就能生成性能优秀的内核，展示了AI在优化领域的巨大潜力。
