# 多智能体内核优化循环

前沿大模型能为成熟平台写出正确的CUDA核，但面对架构和编程语言都很少见的加速器时准确率骤降。一个多智能体循环在FuriosaAI RNGD NPU上先自行建立目标知识——校验过的DSL文档摘要、微基准测得的芯片事实和编译器给出的合法性规则——再在每核设计树上搜索整核设计与小改动。12天后三个Gemma-4-12B解码核相对官方基线取得9.293的几何平均加速，每个核的周期数不超过搬运其权重所需最少周期的1.25倍。

前沿大模型能为成熟平台写出正确的CUDA核，但面对架构和编程语言都很少见的加速器时准确率骤降。一个多智能体循环在FuriosaAI RNGD NPU上先自行建立目标知识——校验过的DSL文档摘要、微基准测得的芯片事实和编译器给出的合法性规则——再在每核设计树上搜索整核设计与小改动。12天后三个Gemma-4-12B解码核相对官方基线取得9.293的几何平均加速，每个核的周期数不超过搬运其权重所需最少周期的1.25倍。