伯克利多智能体框架优化 GPU 内核，性能反超 FlashInfer

UC Berkeley 发布论文《Evolving Agent Teams》(arXiv:2610.36848)，提出一种多智能体框架，解决编码智能体在真实专家级 GPU 内核优化中过早停滞、陷入局部最优的问题。该框架由监督者动态重组智能体团队，使 CUDA 内核性能实现突破，最终反超 FlashInfer 1.2 倍，为 GPU 内核自动优化提供了新路径。

2026-11-10 ~ 2026-11-10 · 2 条相关

• UC Berkeley 多智能体框架超 FlashInfer:动态重组团队让 GPU 内核优化突破局部最优 — rohanpaul_ai · 2026-11-10

另有 1 条近重复转述:rohanpaul_ai