CUDA-L2 otimiza kernels HGEMM com aprendizado por reforço
Publicado em 15 de dezembro de 2025, o artigo apresenta uma abordagem que combina modelos de linguagem e aprendizado por reforço para otimizar kernels CUDA de multiplicação de matrizes em meia precisão. A avaliação abrange 1.000 configurações e relata resultados superiores aos de baselines de matmul
Publicado em 15 de dezembro de 2025, o artigo descreve o CUDA-L2, uma abordagem que combina modelos de linguagem de grande porte e aprendizado por reforço para otimizar kernels CUDA de multiplicação de matrizes em meia precisão (HGEMM). A velocidade de execução é usada como recompensa durante a otimização.
O trabalho avalia kernels em 1.000 configurações e relata resultados superiores aos de baselines de multiplicação de matrizes. Para entender o alcance do resultado, consulte o artigo original e verifique como foram definidos os baselines, as configurações e as medições de velocidade; o resumo disponível não detalha esses métodos nem quantifica a diferença de desempenho.