摘要
针对基于 LLM 的代理在生成 GPU 内核时不知何时应用优化的问题，本文提出 KLineage 方法。该方法通过反向遍历专家实现，经验证门控简化后，将每一步转化为可复用的优化技能。每个技能不仅记录优化意图，还包含适用代码位置、有效条件、实际效果及避免的失败假设。下游 LLM 在相同编译与正确性约束下将这些技能应用于新代码。实验表明，该方法在核质量与优化效率上均优于现有基线。
AI 推荐理由
论文核心是从专家代码中提取可复用的优化技能，明确记录适用条件与效果，属于典型的技能学习。
研究机构
SKLP, Institute of Computing Technology, Chinese Academy of Sciences
University of Chinese Academy of Sciences
论文信息