Search for a command to run...
CudaForge 是由明尼苏达大学的研究团队于 2025 年 10 月提出的，相关研究成果发表于论文 CudaForge: An Agent Framework with Hardware Feedback for CUDA Kernel Optimization 。
CudaForge 是一个用于 CUDA 内核生成和优化的无训练多智能体工作流程，受人类专家迭代工作流程的启发，包含开发初始内核、测试正确性、分析硬件反馈和迭代改进等步骤。更具体地说，CudaForge 采用两个 LLM 智能体：一个 Coder 和一个 Judge，它们迭代地生成、纠正和优化 CUDA 内核，同时整合硬件反馈，如 Nsight Compute（NCU）指标。
Search for a command to run...
CudaForge 是由明尼苏达大学的研究团队于 2025 年 10 月提出的，相关研究成果发表于论文 CudaForge: An Agent Framework with Hardware Feedback for CUDA Kernel Optimization 。
CudaForge 是一个用于 CUDA 内核生成和优化的无训练多智能体工作流程，受人类专家迭代工作流程的启发，包含开发初始内核、测试正确性、分析硬件反馈和迭代改进等步骤。更具体地说，CudaForge 采用两个 LLM 智能体：一个 Coder 和一个 Judge，它们迭代地生成、纠正和优化 CUDA 内核，同时整合硬件反馈，如 Nsight Compute（NCU）指标。
基于 GRPO 等微调技术现有局限性，GVPO 作为一种可靠、多功能的后训练范式应运而生。
HiPO 用于自适应 LLM 推理，主要包括混合数据构建和混合强化学习。
AEPO 专注于在高熵工具调用指导下平衡和合理化策略扩展分支和策略更新。
一种新的基于原则的判别约束优化框架，避免了难度偏差和训练不稳定性。
DexFlyWheel 是一个用于灵巧操作的、可扩展且自我改进的数据生成范式。
在编码代理环境下近似 Gödel Machine，并通过具有自适应调度的 Thompson 采样来指导扩展。
SSP 展现了自博弈作为可扩展且数据高效的智能体 LLM 训练范式的潜力。
首个成功将分布匹配蒸馏应用于基于 MDM 的文本生成，并在少步语言序列生成方面创下纪录的框架。
MultiPL-MoE 是后预训练阶段扩展低源编程语言的一种有效方法。
基于 GRPO 等微调技术现有局限性，GVPO 作为一种可靠、多功能的后训练范式应运而生。
HiPO 用于自适应 LLM 推理，主要包括混合数据构建和混合强化学习。
AEPO 专注于在高熵工具调用指导下平衡和合理化策略扩展分支和策略更新。
一种新的基于原则的判别约束优化框架，避免了难度偏差和训练不稳定性。
DexFlyWheel 是一个用于灵巧操作的、可扩展且自我改进的数据生成范式。
在编码代理环境下近似 Gödel Machine，并通过具有自适应调度的 Thompson 采样来指导扩展。
SSP 展现了自博弈作为可扩展且数据高效的智能体 LLM 训练范式的潜力。
首个成功将分布匹配蒸馏应用于基于 MDM 的文本生成，并在少步语言序列生成方面创下纪录的框架。
MultiPL-MoE 是后预训练阶段扩展低源编程语言的一种有效方法。