论文31
AscendGYM:面向 Ascend NPU 真实负载的代价感知内核优化基准
原标题:AscendGYM: A Cost-Aware Kernel Optimization Benchmark for Real-World Workloads on Ascend NPUs
AscendGYM 是面向 Ascend NPU 的内核优化基准,初始套件含 48 个内核、分三个难度等级,测试用例的数据类型与张量形状取自真实训练和推理任务。它支持模型评估与 model-harness 评估两种模式,并提出兼顾加速比与 token 成本的 Speedup-Token Score(STS)指标。
来源仅允许展示摘要,全文请到原文阅读。
