摘要
一位名为 sankalp 的开发者在 GPU Mode 的批次 QR 分解竞赛中，利用自动化的 Codex 研究回圈，在 183 名参赛者中获得第 12 名。该系统在 14 天内探索超过 1,500 个 kernel 提交，实现了较基准 torch.geqrf 232 倍的加速。工作流程为：Codex 产生 kernel 变体，透过竞赛 CLI（popcorn）提交，并接收形状感知的计时回馈以进行迭代。使用的工具与设置包括 ChatGPT Pro（Codex 存取）、Claude Pro 与 Modal credits 用于剖析；维护了详细的测试框架，包含 problem_statement…
重點整理
- 开发者可利用 AI 自动研究回圈处理复杂最佳化任务，但需注意回馈基础设施与人类监督。
- 展示 Codex 作为自主研究代理的潜力，开发者可借镜其方法论。
編輯說明
本頁是 Code & Chain 對公開來源的編輯摘要，可能使用 AI 輔助整理並經自動化流程發布。請以原始來源為準；內容不構成投資、法律或稅務建議。