#performance

cuda · gpu · performance · systems

从朴素矩阵乘法出发，用共享内存分块优化 SGEMM，并通过多尺寸基准测试分析吞吐、冲突和异常点。

报告记录 512×512 测试达到 999.51 GFLOPS，相对 baseline 提升 85.5%。

llm-infrastructure · systems-engineering · ascend · performance · compatibility

在团队大模型工程中参与训练性能排查、benchmark 选型与算子兼容修复，并严格区分个人贡献和团队结果。

个人完成三类输入格式的动态路由修复；团队记录显示 MFU 从约 2% 提升至 25%-30%。