K-Search：通过协同进化内在世界模型生成 LLM 内核

针对 GPU 内核优化中复杂设计因素交织及硬件快速演进的挑战，现有方法常因缺乏显式规划能力而难以处理需多步结构变换的复杂内核。本文提出 K-Search，基于协同进化世界模型框架，利用 LLM 领域知识引导搜索空间探索。该方法显式解耦高层算法规划与底层程序实例化，使系统能 navigating 非单调优化路径并容忍临时实现缺陷。实验表明，K-Search 在 FlashInfer 多种复杂内核上显著优于最先进演化搜索方法，平均提升 2.10 倍，最高达 14.3 倍。