Berita ME, 15 April (UTC+8), menurut pemantauan Beating, alat pemrograman AI Cursor mengungkap eksperimen kolaborasinya dengan NVIDIA. Sistem multi-agennya berjalan mandiri selama tiga minggu di 27 GPU Blackwell B200, menangani 235 masalah optimasi operator GPU nyata yang diambil dari lebih dari 124 model open-source produksi seperti DeepSeek, Qwen, dan Gemma, serta menulis dan mengoptimalkan kode operator GPU dari nol, mencapai percepatan geometrik rata-rata sebesar 38%. Optimasi operator GPU adalah salah satu bidang dengan ambang tertinggi dalam rekayasa perangkat lunak, yang mengharuskan insinyur menguasai arsitektur chip, instruksi tingkat assembly, dan penjadwalan memori; sebuah operator berkinerja tinggi biasanya memerlukan waktu berbulan-bulan bahkan bertahun-tahun untuk disempurnakan oleh ahli berpengalaman. Sistem multi-agennya menangani seluruh 235 soal sekaligus: satu agen perencana mendistribusikan tugas dan menjadwalkan secara dinamis berdasarkan metrik kinerja, beberapa agen kerja mengoptimalkan secara paralel, dan sistem secara otomatis memanggil jalur pengujian benchmark SOL-ExecBench milik NVIDIA untuk membentuk siklus otomatis "uji, debug, optimasi" tanpa intervensi manusia. Sistem menjalankan dua putaran menggunakan dua bahasa berbeda: CUDA C (termasuk PTX assembly inline) untuk menguji kemampuan inferensi perangkat keras paling dasar, dan CuTe DSL untuk menguji kemampuan belajar API baru yang hampir tidak ada dalam data pelatihan publik. Dari 235 soal, sistem mengungguli baseline pada 149 soal (63%), di mana 45 soal (19%) mencapai percepatan lebih dari 2 kali lipat. Tiga hasil representatif: 1. BF16 Grouped Query Attention (diambil dari skenario inferensi Llama 3.1 8B): 84% lebih cepat daripada pustaka FlashInfer yang dioptimasi secara manual, skor SOL 0,9722, mendekati batas teoretis perangkat keras (maksimal 1,0) 2. Perkalian matriks BF16: Operator yang dihasilkan dari nol mencapai 86% dari kinerja cuBLAS buatan NVIDIA yang disesuaikan secara manual, dan dalam skenario M kecil yang umum digunakan dalam decoding LLM, mengungguli baseline hingga 9% 3. Operasi linier lapisan NVFP4 Mixed Expert (diambil dari model MoE seperti Qwen3): Sistem secara mandiri mengidentifikasi bottleneck kuantisasi titik mengambang 4-bit dan melakukan optimasi fusi yang ditargetkan, meningkatkan kecepatan sebesar 39% Cursor mengakui bahwa skor SOL median keseluruhan hanya 0,56, masih memiliki ruang besar untuk peningkatan, terutama karena keterbatasan sumber daya GPU (27 GPU dibagi untuk 235 soal). Cursor menyatakan teknologi multi-agennya "akan segera diintegrasikan ke dalam produk inti". Sebuah agen AI dari perusahaan IDE telah mampu mendekati ahli puncak manusia dalam optimasi GPU tingkat assembly—ini jauh lebih besar daripada cerita "membantu Anda menulis kode aplikasi". (Sumber: BlockBeats)
Sistem Multi-Agen Cursor mengoptimalkan 235 operator GPU NVIDIA dalam tiga minggu, mendekati batas perangkat keras
KuCoinFlashBagikan
Ringkasan
Berita on-chain: Pada 15 April (UTC+8), alat pemrograman AI Cursor mengumumkan kolaborasi dengan NVIDIA menggunakan sistem multi-agent-nya. Selama tiga minggu, sistem tersebut mengoptimalkan 235 operator GPU dunia nyata dari 124 model open-source di 27 GPU Blackwell B200, mencapai peningkatan kecepatan rata-rata geometrik sebesar 38%. Berita aset dunia nyata (RWA): 149 operator (63%) melebihi baseline, dengan 45 (19%) menunjukkan percepatan lebih dari 2x. Peningkatan utama meliputi operasi BF16 grouped query attention yang 84% lebih cepat dan operasi lapisan NVFP4 MoE yang 39% lebih cepat. Cursor mencatat keterbatasan sumber daya GPU dan berencana mengintegrasikan teknologi multi-agent ini ke dalam produk intinya.
Sumber:Tampilkan versi asli
Penafian: Informasi pada halaman ini mungkin telah diperoleh dari pihak ketiga dan tidak mencerminkan pandangan atau opini KuCoin. Konten ini disediakan hanya untuk tujuan informasi umum, tanpa representasi atau jaminan apa pun, dan tidak dapat ditafsirkan sebagai saran keuangan atau investasi. KuCoin tidak bertanggung jawab terhadap segala kesalahan atau kelalaian, atau hasil apa pun yang keluar dari penggunaan informasi ini.
Berinvestasi di aset digital dapat berisiko. Harap mengevaluasi risiko produk dan toleransi risiko Anda secara cermat berdasarkan situasi keuangan Anda sendiri. Untuk informasi lebih lanjut, silakan lihat Ketentuan Penggunaan dan Pengungkapan Risiko.