AutoProfiler：学习GPU内核优化剖析树

2026年10月28日，arXiv人工智能板块刊出Yihan Wang等作者的论文，提出AutoProfiler——一个反馈驱动的剖析框架，用于从优化反馈中学习确定性的profiling树。据该报道，AutoProfiler通过REWRITE和SPLIT两种操作对剖析树进行迭代精炼，由LLM生成候选修改，并以实测评估决定是否采纳。报道称其动机来自对GPU kernel优化中性能剖析数据采集的观察，主张“少即是多”，即学习该采集哪些性能剖析数据。目前该工作处于论文发布阶段，报道未提及代码开源、基准测试结果或实际部署情况，后续进展有待跟进。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。