CUDA-L2 是模型训练领域的开源项目，由 ornith-ai 开发，2025 年首次发布。
它收录于模型训练分类，该分类目前共有 522 个项目，GitHub 星标数为 479。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-23。MIT许可证，完全免费，无付费版本。
它主要面向的使用场景是：深度学习框架中矩阵乘法的性能优化。同类可对比的替代方案包括 Triton、cutlass、TVM。
CUDA-L2
用强化学习自动写出比 cuBLAS 更快的矩阵乘法内核
CUDA-L2 是一个通过强化学习自动生成高性能矩阵乘法内核的开源项目，目标是在 NVIDIA GPU 上超越 cuBLAS 的性能。它解决了传统手写 CUDA 内核开发门槛高、调优耗时的问题，将内核设计视为一个强化学习问题，让智能体在巨大的设计空间中探索最优的 tile 大小、循环顺序、内存布局等配置。核心能力包括：自动搜索和生成针对特定 GPU 架构优化的矩阵乘法内核，支持多种矩阵尺寸，并通过奖励函数引导模型学习性能最优的代码结构。项目展示了强化学习在底层计算优化中的潜力，为高性能计算领域提供了一种新的自动化路径。
开源
free
开源模型
GitHub 星标
★ 479
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队ornith-ai
所属国家
定价模式free
价格说明开源项目，MIT许可证，完全免费，无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言Cuda
技术栈/模型cublas,cuda-kernels,large-language-models,matrix-multiplication,nvidia,reinforcement-learning
GitHub 星标★ 479
30天Star增速
HF 下载量
上线时间2025-12-02 00:00:00
最近更新2026-09-23 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数5
使用教程
核心亮点
- 性能卓越：在多种矩阵尺寸上超越 NVIDIA 官方 cuBLAS，实测数据支撑
- 自动化调优：无需人工专家经验，强化学习自动探索最优内核配置
- 方法创新：将 RL 应用于底层算子优化，开辟新研究方向
不足之处
- 项目早期，文档和社区生态尚不完善
- 仅支持特定 GPU 架构，通用性待验证
适用场景
- 深度学习框架中矩阵乘法的性能优化
- 科学计算中大规模矩阵运算加速
- GPU 内核自动生成与调优研究
替代项目
Triton、cutlass、TVM
项目介绍
上一篇：Spatial-SSRL
下一篇：spiral
同类项目推荐
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···