arXiv · ML· Hanlin Wu, Yifei Wang, Zhicheng Cai, Huan-ang Gao, Wei-Ying Ma, Ya-Qin Zhang, Jingjing Liu, Hao Zhou·· 12 小时前AI 评分47
RSIBench-Infra:Agent 能否在生产规模下优化自身训练与推理基础设施?
RSIBench-Infra: Can Agents Optimize Their Own Training and Inference Infrastructure at Production Scale?
AI 导读
研究团队发布 RSIBench-Infra,这是包含 20 个训练与推理任务的基准,涵盖 NVIDIA GPU 和 Ascend NPU。 任务部署最多使用 32 个加速器,Agent 可修改引擎、内核和指令层级的软件栈,通过 OCI 镜像层协议提交更改。 结果显示 66.2% 的任务实现了超过 1.10 倍的速度提升,证明当前 Agent 能改进生产级性能,但策略转化仍具挑战。
来源:arXiv · ML · arxiv.org