Wissensbasis

Artikel:Terry Chen, Zhifan Ye, Bing Xu, et al.·5. Sep. 2026

AVO: Autonome Evolutionssuche optimiert GPU-Kernel mittels Coding-Agenten

Ein Forschungsteam stellt mit Agentic Variation Operators (AVO) ein Framework vor, das klassische Mutations- und Crossover-Operatoren durch autonome KI-Agenten ersetzt. Auf NVIDIA Blackwell (B200) GPUs übertrafen die damit entwickelten Attention-Kernel etablierte Bibliotheken wie cuDNN und FlashAttention-4.

Aus Video: AI Weekly Updates: Open-Source Model Surge, Agent Harnesses, and Meta's AI Reality Check

Artikel:Devansh·5. Sep. 2026

Stateful Swarms: Persistente Memory-Architektur schlägt traditionelle KI-Agenten

Devansh beschreibt die Architektur der 'Stateful Swarms', die das Problem flüchtiger Kontexte und wiederholter Dokumentenverarbeitung durch eine persistente Blackboard-Architektur löst. Anstatt Dokumente mehrfach einzulesen oder Kontext per Prompt-Zusammenfassung zu übergeben, schreiben spezialisierte Agenten strukturierte, auditierbare Einträge in einen gemeinsamen Zustand. Im Harvey Legal Agent Benchmark erreichte dieser Ansatz höhere Erfolgsraten bei drastisch reduzierten Kosten im Vergleich zu traditionellen Systemen.

Link:Tatsunori Hashimoto, Percy Liang·5. Sep. 2026

Stanford CS336: Language Modeling from Scratch

Die Stanford-Lehrveranstaltung CS336 vermittelt die Entwicklung von Sprachmodellen von Grund auf – ähnlich wie klassische Betriebssystemkurse. Studierende durchlaufen alle Phasen von Datenbereinigung und Tokenisierung über Transformer-Architekturen und GPU-Optimierung mit Triton bis hin zu Post-Training und Alignment.

Aus X-Post: Stanford Lecture on the Mathematical Foundations of LLMs