Kernel-Smith: A Unified Recipe for Evolutionary Kernel Optimization
本文提出了 Kernel-Smith 框架，通过结合基于稳定评估的进化智能体与面向进化的后训练策略，在 NVIDIA Triton 和 MetaX MACA 等异构 GPU 后端上实现了高性能内核生成，其 235B 模型在 KernelBench 基准测试中超越了 Gemini-3.0-pro 等前沿闭源模型，并成功应用于 SGLang 等生产系统。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇论文介绍了一个名为 Kernel-Smith 的新系统。为了让你轻松理解，我们可以把高性能 GPU 编程（写“内核”）想象成在极其复杂的迷宫里寻找通往宝藏的最快路径。
1. 核心问题：为什么以前的方法不够好？
想象一下，你有一个超级聪明的 AI 助手（大语言模型），你让它画一张迷宫地图（写代码），希望它能一步到位画出最短路线。
- 以前的做法（一次性生成）： 你问 AI：“请给我画一条最快的路。”AI 凭直觉画了一条。但迷宫太复杂，AI 经常画错，或者画了一条虽然通但很慢的路。而且，一旦画错了，AI 很难自己发现并修正，因为它没有“试错”的机制。
- 现实困境： 就像让一个从未跑过马拉松的人直接去跑奥运冠军的配速，光靠“灵光一闪”是不够的，需要大量的练习和反馈。
2. Kernel-Smith 的解决方案：两个核心魔法
Kernel-Smith 并没有试图让 AI 一次性画出完美地图，而是换了一套更聪明的玩法，它由两个核心部分组成：
魔法一：进化的“试错军团” (Evolutionary Agent)
想象你不再只派一个探险家，而是派出了一支探险队（种群）。
- 分工合作： 这支队伍里有 100 个探险家，每个人都在迷宫里尝试不同的路线。
- 优胜劣汰： 每走一步，系统就会像裁判一样，立刻测量谁跑得最快、谁没迷路（编译成功、结果正确）。
- 基因传承： 跑得最快的路线会被保留下来，作为“种子”，让下一轮探险家在此基础上继续优化。
- 关键创新： 以前的系统容易因为“裁判看错了”（比如因为电脑卡顿导致计时不准）而淘汰了好路线。Kernel-Smith 给裁判配了超级精密的秒表，反复测量、剔除干扰，确保只有真正优秀的路线才能留下来。这让“进化”过程非常稳定可靠。
魔法二：聪明的“教练” (Training Recipe)
这是 Kernel-Smith 最厉害的地方。通常，我们训练 AI 是让它模仿“最终答案”。但 Kernel-Smith 发现，过程比结果更重要。
- 传统教练： 给 AI 看一张完美的地图，说：“照着画。”
- Kernel-Smith 教练： 它不看最终结果，而是盯着探险队每一次微小的进步。
- 比如：探险家 A 发现了一条路，比原来快了 10%，但没跑通。
- 探险家 B 在 A 的基础上，修好了 bug，又快了 5%。
- 教练只记录 B 的那一步修改，告诉 AI：“看，就是这一步修改让速度变快了，你要学会这种‘微调’的技巧。”
- 效果： AI 不再是一个只会“瞎蒙”的画家，而变成了一个擅长“局部修补”的大师。它学会了如何在已有的基础上，一步步把代码打磨得更快。
3. 它有多强？(实战成绩)
这个系统不仅在模拟考试中拿了第一，还在真实的“战场”上证明了实力：
- 考试排名 (KernelBench)： 在标准的编程测试中，Kernel-Smith 生成的代码比目前世界上最强的商业模型（如 Gemini 3.0, Claude 4.6）都要快，平均速度快了 3.7 倍。特别是在最难的任务中，它依然能保持极高的正确率。
- 跨平台能力： 它不仅能在 NVIDIA 显卡上跑，还能在 MetaX 等其他国产或不同品牌的显卡上跑，就像一套通用的“翻译器”，能把代码适配到不同的硬件上。
- 真实世界应用 (最硬核的部分)：
- SGLang & LMDeploy： 这两个是现在大模型推理（让 AI 说话）的核心引擎。Kernel-Smith 自动生成的代码已经被正式合并到了这些开源项目的官方代码库中。这意味着，现在全球成千上万的用户在使用 AI 时，背后都有 Kernel-Smith 优化的代码在加速。
- DeepSeek Engram： 它甚至优化了 DeepSeek 最新的研究项目中的代码，让速度提升了惊人的 14.59 倍！
4. 总结：它到底改变了什么？
如果把大模型开发比作造车：
- 以前： 我们试图让 AI 一次性设计出一辆完美的赛车，但经常设计出无法启动或速度很慢的车。
- 现在 (Kernel-Smith)： 我们让 AI 变成一个顶级的赛车改装师。它不一定要从头造车，但它能拿着现有的车，通过无数次的微调、测试、再微调，把引擎的每一个零件都打磨到极致，最终让赛车跑出惊人的速度。
一句话总结：
Kernel-Smith 通过“像生物进化一样不断试错”加上“像金牌教练一样只教关键进步”，成功教会了 AI 写出人类专家都难以企及的超快代码，并且这些代码已经真正用在了我们日常使用的 AI 系统中。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。