KernelZero 发布：GPU 内核生成框架实现性能与正确性双重突破

摘要：KernelZero 是一种新型 GPU 内核生成框架，通过协同进化机制实现性能与正确性的双重突破。其核心由两个模型组成：Proposer 生成 Torch 模块，Coder 将其转换为 CUDA 或 Triton 内核。KernelZero 采用前沿驱动的模块生成机制和正确性感知组相对策略优化（CA-GRPO），在保证正确性的前提下优化性能。实验结果显示，KernelZero-7B 在 CUDA 和 Triton 平台上均超越现有模型，在 KernelBench 上表现出色，为 AI 模型优化提供了新的技术路径。

---

核心突破

• 协同进化机制：KernelZero 通过 Proposer 和 Coder 两个模型协同工作，Proposer 从 API 集合生成 Torch 模块，Coder 将其转换为 CUDA 或 Triton 内核。
• 前沿驱动模块生成：基于 Coder 当前弱点，KernelZero 采用前沿驱动的模块生成机制，持续生成与能力对齐的训练模块。
• 正确性感知优化：引入 CA-GRPO（Correctness-Aware Group Relative Policy Optimization），在保证正确性的前提下优化性能。
• 自动课程生成：通过交替优化 Proposer 和 Coder，KernelZero 形成了一个自动课程，使能力提升更加精准高效。

技术亮点

• 性能超越：在 KernelBench Level 1 和 2 上，KernelZero-7B 的 CUDA pass@1 得分分别为 75.8% 和 69.6%，pass@10 达到 100% 和 97%。在 Triton 上，pass@1 得分分别为 77.2% 和 72.5%。
• 超越现有模型：在 CUDA 和 Triton 平台上，KernelZero-7B 超越 Claude-4.5-Sonnet 和 DeepSeek-V4-Pro，展示了其在 GPU 内核生成领域的强大性能。

行业影响

KernelZero 的发布标志着 GPU 内核生成技术的重大进步。其协同进化机制和正确性感知优化策略为 AI 模型优化提供了新的思路，尤其适用于对性能和正确性要求较高的应用场景，如高性能计算和机器学习系统。开发者可以利用 KernelZero 框架生成更高效、更可靠的 GPU 内核，从而提升整体系统的性能。

开发者建议

• 尝试 KernelZero 框架：对于需要生成高性能 GPU 内核的开发者，建议尝试 KernelZero 框架，并结合自身需求进行优化。
• 关注后续更新：KernelZero 仍在不断发展中，建议开发者关注其后续版本和更新，以获取更多功能和优化。
• 结合现有工具：KernelZero 可以与现有的 AI 模型优化工具结合使用，以实现更全面的性能提升。

---

消息来源：Hugging Face Daily Papers (2026-09-27)

—— 完 ——

主题标签： #KernelZero 关注 #GPU内核生成 关注 #AI模型优化 关注 #CA-GRPO 关注 #协同进化 关注