2026-11-04 · المصدر：deep-www.marktechpost.com-p13
نظام التعلم المعزز الوكيلي يدرّب Seed1.6 على كتابة نوى CUDA تتفوق على مخرجات المترجم، مستهدفاً الفجوة التي تنتج فيها النماذج الرائدة شيفرة GPU صحيحة لكنها بطيئة.
أطلقت ByteDance Seed، بالتعاون مع Tsinghua AIR، نظام CUDA Agent، وهو نظام تعلم معزز وكيلي واسع النطاق بُني لتدريب نموذج لغوي كبير على كتابة نوى GPU تتفوق في الأداء على الشيفرة التي تولّدها المترجمات. وتؤطر الوثيقة، المؤرخة في 17 أغسطس 2026، هذا الجهد بوصفه إصلاحاً موجهاً لنقطة ضعف محددة في نماذج توليد الشيفرة اليوم، لا لعبة توسّع في القدرات العامة.
تُوصف الفجوة التي يستهدفها الفريق بأنها ضيقة لكنها عنيدة. فالنماذج الرائدة قادرة بالفعل على إصدار شيفرة CUDA تعمل بشكل صحيح، لكن النوى التي تولّدها بطيئة. بكلمات أخرى، حُلّت مسألة الصحة إلى حد كبير، أما السرعة فلا. وللمؤسسات المعتمدة على شيفرة GPU مكتوبة بالنماذج، تُسقف النواة الصحيحة لكن غير الفعالة استغلال العتاد مهما بلغ حجم أسطول المسرّعات — وهذه هي الفعالية التي صُمم CUDA Agent لإزالتها.
من الناحية الميكانيكية، يطبق النظام التعلم المعزز داخل حلقة وكيلية، بحيث يُحسّن النموذج مخرجات النواة من حيث الأداء مقابل خط أساس يحدده المترجم، بدلاً من التوقف بمجرد نجاح الترجمة. والطموح المعلن صريح: دفع النموذج حتى تتفوق النوى التي يولّدها على ما ينتجه المترجم من تلقاء نفسه.
الاختبارات المعيارية ترسّخ هذا العمل. على KernelBench، التقييم المشار إليه في التقرير، يجتاز النموذج الأساسي Seed1.6 نسبة 74.0% — وهو رقم يرسم الموقع الوظيفي للنموذج الأساسي قبل تطبيق تدريب التعلم المعزز الوكيلي، وهو المسطرة التي تُقاس بها التحسينات اللاحقة.
ولمشتري حوسبة الذكاء الاصطناعي وفرق البنى التحتية، الرهانات عملية. فإذا أمكن تدريب النماذج على كتابة نوى GPU تسبق مخرجات المترجمات، يصبح استغلال المسرّعات مسألة تدريب نماذج بقدر ما هو مسألة رقائق أو سلاسل أدوات — ويمثل CUDA Agent الرهان واسع النطاق من ByteDance Seed وTsinghua AIR لإثبات ذلك بالضبط.
الوسوم: ByteDance Seed · Tsinghua AIR · CUDA Agent · Seed1.6 · GPU Kernels · KernelBench
萬安算交所 AIXX · AIXX · بورصة الحوسبة الموثقة · قاعة التداول