2️⃣ arXiv · "Towards Automated Kernel Generation in the Era of LLMs"（Survey）⭐⭐⭐⭐

  • 类型：arxiv
  • 标识：2601.15727
  • 链接：https://arxiv.org/abs/2601.15727
  • 主题：agent, database, engineering, evaluation, llm-infra, rag
  • 主分类：evaluation
  • 形态：survey
  • 被引：8
  • 被引来源：Semantic Scholar
  • S2被引：8
  • OpenAlex被引：0
  • 影响力被引：0
  • TLDR：This survey addresses the gap in LLM-driven kernel generation by providing a structured overview of existing approaches, spanning LLM-based approaches and agentic optimization workflows, and systematically organizing the datasets and benchmarks that underpin learning and evaluation in this domain.
  • OpenAlex ID：W7125488445
  • OpenAlex DOI：10.48550/arxiv.2601.15727
  • DOI：10.48550/arxiv.2601.15727
  • DOI来源：OpenAlex
  • 开放获取：green
  • 开放获取链接：https://doi.org/10.48550/arxiv.2601.15727
  • OpenAlex更新：2026-07-19
  • 标题中文：arXiv · "Towards Automated Kernel Generation in the Era of LLMs"（Survey）⭐⭐⭐⭐
  • TLDR中文：本文聚焦 LLM 驱动的 kernel generation 领域，给出现有方法的结构化综述，涵盖 LLM-based 方法与 agentic optimization workflow，并系统梳理了支撑该领域学习与评测的数据集与 benchmark。
  • 待LLM分类：否
  • 来源文件：
  • /inbox/jay/2026-06-10-systems-engineering-kernels-storage-k8s.md
  • [S2 enrich]
  • [OpenAlex backfill]

可复用信息

    • 瓶颈未解决前，优化越做越慢
    • 高 Occupancy ≠ 高性能
  • ```
    • 真实命令/工具：Nvidia Nsight Compute（Speed of Light 指标）
    • 评价：少见的逐次实验记录，非结果展示。每个版本有明确瓶颈分析和数据对比，可复现路径清晰。GEMM 优化入门必读。
    • 标签：CUDA GEMM Nvidia Nsight profiling kernel optimization
    • 建议动作：精读；建议纳入「GPU 性能工程」主题页
    • 链接：https://arxiv.org/html/2601.15727v3

写作用途

  • 可放入 RAG / 知识库 / 检索增强相关工作的对比段。
  • 可用于 Agent 架构、记忆、工具调用或多智能体研究背景。
  • 可用于系统实现、实验平台或工程约束说明。

待补齐

  • BibTeX / 正式引用格式
  • 方法与实验设置细节
  • 与现有工作的差异点
  • 是否有代码和数据集