UC Berkeley 论文提出动态重组编程智能体团队，加速 GPU 内核优化

加州大学伯克利分校的一篇新论文表明，当单个智能体陷入停滞时，一个不断重组编程智能体团队的监督者能够超越专家编写的 GPU 内核。

编程智能体在 GPU 内核优化初期进展迅速，随后便满足于较容易实现的设计，性能在远低于专家代码的水平上停滞。在 MLA 解码内核上，Claude Code 停滞在 FlashInfer 速度的 0.51 倍。

Evolving Agent Teams 引入了一名监督者，负责诊断每次性能停滞并重建团队，创设性能分析员、调试员或知识整合员等角色。共享文件系统保留历届团队积累的经验。

在相同的 token 预算下，它在 MLA 解码任务上达到 FlashInfer 速度的 0.74 倍，而固定的 4 角色团队为 0.31 倍。预算增加后，它达到 FlashInfer 速度的 1.21 倍，并在 47 项生产工作负载中的 36 项上胜出。

对于耗时且困难的优化任务，应在进展停滞时让监督者重组智能体角色，而不是始终使用 1 套固定的智能体配置。