[논문리뷰] MaxKernel: Agentic Kernel Generation for TPUs본 논문은 현대 딥러닝 아키텍처의 가속화를 위해 필수적인 수동 커널 엔지니어링의 복잡성과 전문 지식 의존도를 해결하고자 합니다. 기존 방식은 하드웨어의 메모리 계층(HBM, SRAM/VMEM)을 수동으로 관리하고 복잡한 DMA pipelining을 최적화해야 하므로 진입 장벽이 매우 높습니다.#Review#TPU#Kernel Generation#Agentic System#Performance Optimization#JAX/Pallas#Autonomous Search2026년 9월 6일댓글 수 로딩 중
[논문리뷰] Dr. Kernel: Reinforcement Learning Done Right for Triton Kernel Generations본 논문은 대규모 언어 모델(LLMs)을 활용하여 고품질 GPU 커널 코드를 생성하는 과정에서 발생하는 보상 해킹(reward hacking) 및 게으른 최적화(lazy optimization)와 같은 문제점을 해결하고, 실제 성능 향상으로 이어지는 견고한 강화 학습(RL) 방법론을 체계적으로 연구하는 것을 목표로 합니다.#Review#Reinforcement Learning#Kernel Generation#Triton#GPU Optimization#LLMs#Reward Hacking#Multi-turn Interaction#Code Generation2026년 2월 5일댓글 수 로딩 중
[논문리뷰] Towards Automated Kernel Generation in the Era of LLMs본 논문은 현대 AI 시스템의 성능을 근본적으로 제한하는 고성능 커널 생성 및 최적화의 비확장성 문제 를 해결하고자 합니다.#Review#Large Language Models#Kernel Generation#GPU Optimization#AI Agents#Code Synthesis#Performance Engineering#Hardware Acceleration2026년 1월 22일댓글 수 로딩 중