ModelBlaster跨异构加速器优化框架发布
热点事件持续更新
ModelBlaster跨异构加速器优化框架发布
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
ModelBlaster 框架由 Shengjun Kris Dong 等提出，旨在通过增强学习 Agent 缩小跨异构加速器之间的性能差距。 该框架采用 Memory-Augmented In-Context Reinforcement Learning (MAIC-RL) 架构，利用持久知识库在 CUDA、OpenCL 及 RISC-V 硬件间复用优化经验。 同一优化循环与知识模式支持 NVIDIA GPU 的 CUDA、Qualcomm GPU 的 OpenCL 及 RISC-V 向量核心的 RVV 内建函数，仅针对不同目标保留降低与测量层差异。
AI 根据报道生成 · 1 小时前更新
最新进展11月4日 13:00
ModelBlaster 通过跨模型、内核和硬件后端的增强学习 Agent 缩小性能差距报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · MLModelBlaster 通过跨模型、内核和硬件后端的增强学习 Agent 缩小性能差距
ModelBlaster 提出 Memory-Augmented In-Context Reinforcement Learning (MAIC-RL) 框架，利用持久知识库跨 CUDA、OpenCL 及 RISC-V 硬件复用优化经验。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。