Ir para o conteúdo

Radar ·

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.

Fonte original: CUDA-L2 usa reinforcement learning para otimizar kernels HGEMM

Curadoria · AgentLog

Receba o essencial

Privacidade, engenharia de IA e segurança no seu e-mail.

No máximo um resumo por dia, quando houver novidades. Cancele quando quiser. Usamos o e-mail verificado da sua conta.

Privacidade

Procurando outra coisa?AjudaContato