Tuan Truong Vu, Cheng Tan · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28429 · open-access PDF
Os núcleos de GPU são críticos para o desempenho dos serviços de IA de hoje, mas os mesmos operadores são reescritos repetidamente: para cada geração de GPU, formato numérico, regime de serviço e linguagem do núcleo. Cada reescritura deve preservar a função calculada pela implementação que substitui. Hoje, esta obrigação depende quase inteiramente do teste diferencial: execute o novo núcleo e uma referência confiável em tensores aleatoriamente amostra, em seguida, compare suas saídas dentro de uma tolerância. Esta abordagem tem pontos cegos que casos adicionais de teste não podem eliminar.
Machine translation (Meta M2M100); the English original follows.
GPU kernels are critical to the performance of today's AI services, yet the same operators are rewritten repeatedly: for each GPU generation, numeric format, serving regime, and kernel language. Every rewrite must preserve the function computed by the implementation it replaces. Today, this obligation depends almost entirely on differential testing: run the new kernel and a trusted reference on randomly sampled tensors, then compare their outputs within a tolerance. This approach has blind spots that additional test cases cannot eliminate. For example, a logical bug may produce an error smalle
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.28429, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange