GPU 计算社区最近流行起一种新玩法：让 AI 智能体参加算法竞赛，自己”卷”出高性能内核。本周 HN 热帖的主角 sankalp 就用 Codex 完成了他的第一次 serious auto-research——在 GPU Mode 与 Core Automation 合办的竞赛中，把基线方案提速 232 倍，在 183 名参赛者中排名第 12。
竞赛任务：批量 Householder QR 分解
问题本身相当硬核：给定一批 FP32 方阵（batch x n x n，重要尺寸为 512，另有 1024、2048、4096 的大规模用例），要求实现与 torch.geqrf 一致的紧凑 Householder QR 表示——上三角存 R，下三角存 Householder 向量，外加 tau 系数。校验器会用 torch.linalg.householder_product 重建 Q 并验证 A ≈ QR、QᵀQ ≈ I。内部允许使用 FP16、FP8 甚至 NVFP4 低比特计算，但返回结果必须通过 FP32 精度检查。
为什么这个问题适合”自动研究”
作者复盘了关键因素：GPU Mode 提供了 agent 友好的 popcorn CLI，智能体可以直接测试、基准测试、提交成绩，并拿到逐 shape 的反馈与几何平均耗时。这种”紧反馈回路”正是智能体最擅长的 hill-climbing 环境——提交次数基本无限，只是需要错峰避免队列拥堵。数学上，作者借助 Householder 反射把第一列一次映射到坐标轴上，再用分块 Householder 算法（blocked Householder）把串行依赖做小，为并行化腾出空间。
Codex 的突破时刻
作者提到最关键的工程技巧是”想法多样性”（idea diversity）：让模型同时探索多条技术路线，避免所有尝试一起陷入同一个局部最优，类似 beam search。低比特中间计算、块大小调优、向量化布局等改进逐层叠加，最终把几何平均性能推到基线的 233 倍。他也坦承这本质上是”loop engineering”——但谁说循环工程不是工程呢？
社区反响
HN 讨论区反应热烈。有开发者分享自己用 DeepSeek v4 对半废弃的视频编解码器跑同样的 benchmark→profile→verify→improve 循环，效果意外地好；有人感叹”如果单兵工程师就能做到这种程度，OpenAI/Anthropic 的大多数人看起来有点弱了”；也有人指出 GPU kernel 与 SIMD 恰好是训练数据最丰富的领域，模型在这个子域的表现可能被高估了。作者使用的 beam search 思路也获得了不少点赞。
原文：Auto-research with codex: How I achieved a 232x Faster Kernel · HN 讨论：news.ycombinator.com/item?id=49309549