创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

伯克利提出持续进化智能体团队框架

AI 总结

UC Berkeley提出Evolving Agent Teams框架,由中央监督器在GPU内核优化遇到新瓶颈时重组智能体团队。执行智能体负责内核开发,监督器可加入调试、性能分析或知识整合角色,并通过共享存储保存代码、失败尝试、硬件观察和已验证策略。团队称该框架在四项CUDA内核任务中超过强编码智能体基线,但主要实验均只运行两次,统计置信度有限。

深度见解

该研究探索了动态调整角色分工和保留团队经验,如何帮助AI智能体完成长程GPU优化并避免陷入局部最优。

GPU Kernel 优化,并不是简单地把一段可运行代码改得更快。面对真实生产环境中的 Kernel,coding agent 需要在硬件指令、内存布局、并行策略和整体架构之间反复探索,虽能在初期取得进展,但会逐渐转向更容易实现、性能上限较低的方案,最终陷入局部最优。

为解决这一问题,加州大学伯克利分校(UC Berkeley)团队提出了“持续进化 agent 团队”(EvolvingAgent Teams)。他们认为,与其增加 agent 数量,不如让中央监督器根据当前瓶颈,逐轮重组 agent 团队,调整角色分工、协作方式和知识管理策略。

论文链接:https://arxiv.org/abs/2610.36848

整个Evolving Agent Teams 框架分为两层:底层 agent 团队负责编写、编译、测试和分析 Kernel;上层监督器则观察优化进展,分析成功与失败的原因,并决定下一轮如何调整。

#Evolving Agent Teams#UC Berkeley#Claude Opus 4.6#Claude Code#Codex#MLA decode kernel#FlashInfer#ThunderKittens

原文约 4 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。