arXiv cs.AI· Xi Chen, Ming Shen, Haotian Yan, Ruoyu Sun, Tianjun Yao·· 11 小时前AI 评分36
ASCENDEVOLVE：用知识引导进化实现 NPU 内核生成
Beyond Experience: Knowledge-Guided Evolution for NPU Kernel Generation
AI 导读
ASCENDEVOLVE 将进化式内核搜索的每一步都锚定在由平台文档、工具链头文件和算子仓库构建的大型外部知识库上，通过索引检索为每个智能体路由任务相关的证据片段。
正文 · AI 翻译
摘要：LLM 智能体已成为主流 GPU 平台上能力出色的内核工程师，但在 Ascend NPU 等新兴加速器上却表现不佳，因为其编程模型在预训练数据中几乎未被覆盖。近期的 NPU 智能体主要通过经验来弥补这一差距：它们从自身的生成与优化尝试中积累记忆，并在后续任务中复用。我们认为，仅靠经验不足以完成内核生成。智能体只能记住自己尝试过的东西，而它很少会尝试自己不了解的机制。因此，当新算子需要不同机制时，这类记忆几乎无济于事；即便是熟悉的算子，随着优化推进也会出现未曾见过的情况。我们提出 ASCENDEVOLVE，它将进化式内核搜索的每一步都建立在由平台文档、工具链头文件和算子仓库构建的大型外部知识库之上。由于该语料库远超任何上下文窗口，ASCENDEVOLVE 对其建立索引，并将每个智能体路由到一小块与任务相关的证据切片，而非语料库本身。检索到的知识为多样化的实现策略提供种子，在候选失败时指导修复，并约束强候选的重组方式。在 CANN-Bench 中涵盖四个难度级别的 53 个 Ascend C 算子上，ASCENDEVOLVE 取得 71.39 的总分，相较 Reflexion 和 OpenEvolve 分别提升 11.6% 和 17.2%。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.27588 [cs.AI] |
| （或 arXiv:2610.27588v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.27588 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Ming Shen [查看邮箱]
[v1]
2026年10月20日 星期二 03:56:26 UTC（707 KB）
来源：arXiv cs.AI · arxiv.org