**问而非配：问题驱动的编码智能体实现深度内核优化突破**

_Ask, Don't Equip: Question-Driven Coding Agents for Deep Kernel Optimization_

> 针对现有 GPU 内核优化智能体在“结构 - 自由度”权衡中的局限，研究提出了 KernelSeek，一种无需特定算子知识且问题驱动的编码智能体。该智能体通过在决策关键点由人或智能体自身提问来提供方向，而非单纯提供信息或固定脚本。实验表明，在相同条件下，KernelSeek 的性能远超主流工具化智能体，成功生成了针对 Hopper 和 Blackwell 架构的无依赖 FlashAttention 前向内核，性能分别达到 1.16 倍和 1.46 倍，并开源了相关内核、框架及问题库。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-05 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2611.03517)