Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.11948

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2507.11948 (cs)
[提交于 2025年7月16日 ]

标题: 凯文:生成CUDA内核的多轮强化学习

标题: Kevin: Multi-Turn RL for Generating CUDA Kernels

Authors:Carlo Baronio, Pietro Marsella, Ben Pan, Simon Guo, Silas Alberti
摘要: 编写GPU内核是一项具有挑战性的任务,对AI系统的效率至关重要。 它也是高度迭代的:领域专家编写代码并通过执行反馈来提升性能。 此外,它提供了可验证的奖励,如正确性和加速比,使其成为应用强化学习(RL)的自然环境。 为了在训练中显式地融入这一过程的迭代特性,我们开发了一个灵活的多轮RL方案,解决了现实环境中遇到的独特挑战,例如从长轨迹中学习以及在各轮中的有效奖励分配。 我们提出了Kevin - K(ernel D)evin,第一个使用多轮RL训练的CUDA内核生成和优化模型。 在我们的评估设置中,Kevin相比其基础模型(QwQ-32B)取得了显著提升,将生成的内核的正确性(纯CUDA)从56%提高到82%,平均加速比从0.53倍提升至1.10倍的基准(PyTorch Eager),并且超越了前沿模型如o4-mini(0.78倍)。 最后,我们研究了其在测试时扩展轴上的行为:我们发现扩展串行优化比并行采样更有益。 特别是,当提供更多的优化轮次时,Kevin表现出更高的改进率。
摘要: Writing GPU kernels is a challenging task and critical for AI systems' efficiency. It is also highly iterative: domain experts write code and improve performance through execution feedback. Moreover, it presents verifiable rewards like correctness and speedup, making it a natural environment to apply Reinforcement Learning (RL). To explicitly incorporate the iterative nature of this process into training, we develop a flexible multi-turn RL recipe that addresses unique challenges encountered in real-world settings, such as learning from long trajectories and effective reward attribution across turns. We present Kevin - K(ernel D)evin, the first model trained with multi-turn RL for CUDA kernel generation and optimization. In our evaluation setup, Kevin shows significant gains over its base model (QwQ-32B), improving correctness of generated kernels (in pure CUDA) from 56% to 82% and mean speedup from 0.53x to 1.10x of baseline (PyTorch Eager), and surpassing frontier models like o4-mini (0.78x). Finally, we study its behavior across test-time scaling axes: we found scaling serial refinement more beneficial than parallel sampling. In particular, when given more refinement turns, Kevin shows a higher rate of improvement.
主题: 机器学习 (cs.LG) ; 人工智能 (cs.AI); 性能 (cs.PF); 软件工程 (cs.SE)
引用方式: arXiv:2507.11948 [cs.LG]
  (或者 arXiv:2507.11948v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.11948
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Carlo Baronio [查看电子邮件]
[v1] 星期三, 2025 年 7 月 16 日 06:33:07 UTC (3,123 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.AI
cs.PF
cs.SE

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号