RohanArun 开源 Auto-research 工具，免 GPU 冲 Muse 榜单

想快速登上 Muse Open Kernel Challenge 排行榜的捷径：我在 2009 年就是 CUDA 的早期使用者，并且持有 GPGU 领域的美国和国际专利，因此我将一些最佳实践提炼出来，这些实践帮助我在 OKC 排行榜上快速攀升，并将其融入我们的开源自动研究智能体框架中：它提供了一个简单的操作按钮和表单，让你参与 Muse Open Kernel Challenge，你也可以将这些技巧应用到自己的私有推理栈中。几分钟内成为 GPU 内核工程师 🤓

参与无需 GPU，因为你每天可以为每个排行榜提交 30 个解决方案，它们会在他们的 GPU 上运行。这应该能帮助你进入排行榜并击败 SGLang 基线，然后你可以继续通过提示模型来获取想法，进行持续测试。现在获胜非常困难，因为你需要运行大量 GPU 实验才能取得进展，但你可能拥有深刻的见解，从而在排行榜上实现飞跃。

我还有一个私有推理栈，例如，它让我们能够以低 5-10 倍的成本提供 Deepseek V4 及类似模型的服务，因此这项技能非常有价值。（不公开出售，但会帮助几位创始人朋友）

我正在测试并实施我收集到的所有最佳实践和自动研究技巧到这个框架中，例如 RSI-top、forget and flush，以及用于 QRH 的自动化 Lean CPU 搜索器，以降低自动研究的入门门槛。我注意到现在有几位学生在毕业前就利用自动研究来申请签证和博士项目，我很乐意帮助任何想参与自动研究的人。