forked from metax-maca/op_optimization
docs: update AI Agent contest entry links
This commit is contained in:
parent
22c9b06050
commit
2dadbe9e97
|
|
@ -38,9 +38,9 @@
|
|||
|
||||
**第三步：环境验证与冒烟提交。** 课程材料不提供可直接提交的 baseline 源代码或标准答案代码；仅提供冒烟级示例代码，用于验证功能、环境、语言和 `run_kernel(...)` 接口。选手需根据 XPU-OJ 题包接口自行实现 `run_kernel(...)`，并可参考 FlashInfer、FlashAttention、vLLM、Triton、TileLang、MCTLASS 等开源仓库或官方文档，组合完成算子实现与性能优化。
|
||||
|
||||
先跑通冒烟示例，确认编译、测试、OJ 提交链路正常，再记录首次 benchmark 性能数据作为后续优化对比基准。
|
||||
先跑通冒烟示例，确认编译、测试、OJ 提交链路正常，再记录首次 benchmark 性能数据作为后续优化对比基准。FlashInfer 方向建议先阅读 benchmark 实战教程，按其中的环境检查、BatchDecode / BatchPrefill / MLA benchmark、CSV 结果查看、XPU-OJ 冒烟提交和 Agent 使用样例完成第一轮闭环。
|
||||
|
||||
- FlashInfer → [FlashInfer 关键算子迁移与优化](../基于AI%20Agent开发范式的国产GPU大模型推理算子库优化/FlashInfer关键算子迁移与优化.md) · [冒烟代码](../基于AI%20Agent开发范式的国产GPU大模型推理算子库优化/operator_task_package/flashinfer_task_package/starter/示例冒烟代码.md)
|
||||
- FlashInfer → [FlashInfer Benchmark 实战](../基于AI%20Agent开发范式的国产GPU大模型推理算子库优化/FlashInfer%20Benchmark实战：从性能基线到XPU-OJ冒烟提交.md) · [冒烟代码](../基于AI%20Agent开发范式的国产GPU大模型推理算子库优化/operator_task_package/flashinfer_task_package/starter/示例冒烟代码.md)
|
||||
- FlashAttention → [FlashAttention 关键算子迁移与优化](../基于AI%20Agent开发范式的国产GPU大模型推理算子库优化/FlashAttention关键算子迁移与优化.md)
|
||||
- Fused MoE → [MCTLASS Fused MoE 算子优化](../基于AI%20Agent开发范式的国产GPU大模型推理算子库优化/MCTLASS_Fused%20MoE%20算子优化.md)
|
||||
|
||||
|
|
@ -54,7 +54,7 @@
|
|||
|
||||
**第五步：OJ 提交。** 将 `run_kernel(...)` 按对应题包接口规范整理，提交至 XPU-OJ。先确保正确性通过，再优化性能冲榜。
|
||||
|
||||
- FlashAttention 提交指南：[operator_task_package/flashattn_task_package/guide.md](../基于AI%20Agent开发范式的国产GPU大模型推理算子库优化/operator_task_package/flashattn_task_package/guide.md)
|
||||
- FlashAttention 提交指南：[FlashAttention 关键算子迁移与优化](../基于AI%20Agent开发范式的国产GPU大模型推理算子库优化/FlashAttention关键算子迁移与优化.md)
|
||||
- FlashInfer 题包：[operator_task_package/flashinfer_task_package/](../基于AI%20Agent开发范式的国产GPU大模型推理算子库优化/operator_task_package/flashinfer_task_package/)（含四个子问题，各自有独立接口约定）
|
||||
|
||||
## 相关文档
|
||||
|
|
@ -64,11 +64,11 @@
|
|||
| 比赛规则、评分标准、提交方式全文 | [基于 AI Agent 开发范式的国产 GPU 大模型算子推理库优化方案](../基于AI%20Agent开发范式的国产GPU大模型推理算子库优化/基于AI%20Agent开发范式的国产GPU大模型算子推理库优化方案.md) |
|
||||
| 算力环境配置与 Agent 部署 | [模力方舟 Agent 部署准备教程](../基于AI%20Agent开发范式的国产GPU大模型推理算子库优化/模力方舟Agent部署准备教程.md) |
|
||||
| FlashInfer API 与核心概念（Paged KV Cache、Ragged Tensor、MLA） | [赛题说明](../基于AI%20Agent开发范式的国产GPU大模型推理算子库优化/赛题说明.md) Track 1 部分 |
|
||||
| FlashInfer 冒烟示例与 benchmark | [FlashInfer 关键算子迁移与优化](../基于AI%20Agent开发范式的国产GPU大模型推理算子库优化/FlashInfer关键算子迁移与优化.md) |
|
||||
| FlashInfer 冒烟示例、benchmark 与 OJ 衔接 | [FlashInfer Benchmark 实战](../基于AI%20Agent开发范式的国产GPU大模型推理算子库优化/FlashInfer%20Benchmark实战：从性能基线到XPU-OJ冒烟提交.md) |
|
||||
| FlashAttention 冒烟示例与 benchmark | [FlashAttention 关键算子迁移与优化](../基于AI%20Agent开发范式的国产GPU大模型推理算子库优化/FlashAttention关键算子迁移与优化.md) |
|
||||
| Fused MoE 冒烟示例与 benchmark | [MCTLASS Fused MoE 算子优化](../基于AI%20Agent开发范式的国产GPU大模型推理算子库优化/MCTLASS_Fused%20MoE%20算子优化.md) |
|
||||
| Agent 使用方式与 prompt 模板 | [Agent 说明](../基于AI%20Agent开发范式的国产GPU大模型推理算子库优化/Agent说明.md) |
|
||||
| XPU-OJ 提交流程 | [FlashAttention OJ guide](../基于AI%20Agent开发范式的国产GPU大模型推理算子库优化/operator_task_package/flashattn_task_package/guide.md) · [FlashInfer 题包](../基于AI%20Agent开发范式的国产GPU大模型推理算子库优化/operator_task_package/flashinfer_task_package/) |
|
||||
| XPU-OJ 提交流程 | [FlashAttention 关键算子迁移与优化](../基于AI%20Agent开发范式的国产GPU大模型推理算子库优化/FlashAttention关键算子迁移与优化.md) · [FlashInfer 题包](../基于AI%20Agent开发范式的国产GPU大模型推理算子库优化/operator_task_package/flashinfer_task_package/) |
|
||||
| 模力方舟操作 | [模力方舟快速使用 SOP](../模力方舟快速使用SOP.md) |
|
||||
|
||||
## 备忘
|
||||
|
|
|
|||
Loading…
Reference in New Issue