从 CUDA 到 MLX：K-Search 将数十年内核优化经验迁移至 Apple Silicon
IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 演进式内核搜索框架，构建 MLX 后端和 CUDA-to-MLX 结构化翻译层，把现有 CUDA 内核知识迁移为 Apple Silicon 的高质量 Metal 内核。
推荐理由：工作把 CUDA 积累的内核优化知识通过结构化翻译层迁移到 Apple Silicon，读者可看到方法细节和可复现路径。
#部署/工程
#部署/工程
今日 0 条Berkeley AI Research精选AI 评分6565
Berkeley AI ResearchAI 评分4343 Berkeley AI Research 提出 ABBEL：教会 LLM 更新信念状态以实现高效长程交互
Berkeley AI Research 提出 ABBEL 框架，将摘要建模为自然语言信念状态并对其内容进行监督，解决传统递归摘要（context compaction）在长程交互中的性能损失。
Berkeley AI ResearchAI 评分4545 SPEX 与 ProxySPEX：面向 LLM 的规模化交互识别方法
Berkeley AI Research 介绍 SPEX（Spectral Explainer）与 ProxySPEX 两种算法，利用稀疏性和低阶性等结构观察，用尽可能少的消融实验识别 LLM 特征、数据和模型内部组件中的关键交互，将交互发现规模提升到比以往方法高数个数量级。