কার্সর মাল্টি-এজেন্ট সিস্টেম তিন সপ্তাহে 235 NVIDIA GPU অপারেটরকে অপ্টিমাইজ করে, হার্ডওয়্যার সীমার কাছাকাছি যায়

ME সংবাদ, ১৫ এপ্রিল (UTC+8), অ্যানালিসিস বিটিং-এর মনিটরিং অনুযায়ী, AI প্রোগ্রামিং টুল Cursor তার মাল্টি-এজেন্ট সিস্টেম এবং NVIDIA-এর সহযোগিতায় পরীক্ষা প্রকাশ করেছে। এই সিস্টেমটি ২৭টি Blackwell B200 GPU-এ ৩ সপ্তাহ ধরে স্বয়ংক্রিয়ভাবে চলেছে, যা DeepSeek, Qwen, Gemma ইত্যাদি ১২৪টিরও বেশি প্রোডাকশন-লেভেল ওপেন-সোর্স মডেল থেকে প্রাপ্ত ২৩৫টি বাস্তব অপারেটর অপটিমাইজেশন সমস্যার জন্য GPU অপারেটর কোড শূন্য থেকে লিখেছে এবং অপটিমাইজ করেছে, যার মধ্যে মোট ৩৮% জ্যামিতিক গড় গতি বৃদ্ধি পেয়েছে। GPU অপারেটর অপটিমাইজেশন সফটওয়্যার ইঞ্জিনিয়ারিংয়ের মধ্যেই সবচেয়ে উচ্চতর প্রবেশদ্বারযুক্ত ক্ষেত্রগুলির মধ্যে একটি, যা ইঞ্জিনিয়ারদেরকে চিপ আর্কিটেকচার, অ্যাসেম্বলি-লেভেল নির্দেশনা এবং মেমোরি স্কিডিউলিংয়ের উপর দক্ষতা প্রয়োজন; একটি হাই-পারফরম্যান্স অপারেটরের জন্য প্রায়শই অভিজ্ঞ বিশেষজ্ঞদের ৩-৪ মাস, 甚至几年的时间来打磨。Cursor 的多智能体系统一次性处理全部 235 题：一个规划智能体分配任务并根据性能指标动态调度，多个工作智能体并行优化，系统自行调用英伟达的 SOL-ExecBench 基准测试管道形成「测试、调试、优化」自动循环，全程无人干预。系统分别用 CUDA C（含内联 PTX 汇编）和 CuTe DSL 两种语言各跑了一轮，前者测试最底层硬件推理能力，后者测试学习公开训练数据中几乎没有的新 API 的能力。 235 题中，系统在 149 题（63%）上超越基线，其中 45 题（19%）加速超过 2 倍。三个代表性结果： 1. BF16 分组查询注意力（提取自 Llama 3.1 8B 推理场景）：较人工优化的 FlashInfer 库快 84%，SOL 得分 0.9722，接近硬件理论极限（满分 1.0） 2. BF16 矩阵乘法：从零生成的算子达到英伟达 cuBLAS 手工调优性能的 86%，在 LLM 推理解码常用的小 M 场景下反超基线最多 9% 3. NVFP4 混合专家层线性运算（提取自 Qwen3 等 MoE 模型）：系统自主识别 4 位浮点量化瓶颈并做针对性融合优化，加速 39% Cursor 坦承整体中位 SOL 得分仅 0.56，仍有大幅提升空间，主因是 GPU 资源有限（235 题共用 27 块 GPU）。Cursor 称这些多智能体技术「将很快融入核心产品」。一家 IDE 公司的 AI 智能体已经能在汇编级别的 GPU 优化上逼近人类顶尖专家，这比「帮你写应用代码」的故事大得多。 （来源：BlockBeats）