检索标题、摘要与正文，把分散的信息连起来。
arXiv:2610.39222v1 发布类型：新 摘要：随着人工智能加速器架构日益多样化，将不同架构整合到统一系统中正逐渐成为一种新兴的异构计算范式。GPU与WSE在计算、内存和通信组织等方面存在显著差异，这既带来了架构上的互补性，也增加了额外的开销；然而，如何将这种异构性转化为实际的性能提升仍不明确。为填补这一空白，我们提出了一种分层基准测试方法，用于刻画GPU—WSE的异构执行特性及发挥互补性的条件，并构建了一个分析型性能模型，用以识别在何种情况下异构性会成为性能瓶颈，而在何种情况下则能带来系统级的性能提升。
arXiv：2610.34907v1 发布类型：新 摘要：在NVIDIA Hopper架构中推出的张量内存加速器（TMA），已在生产环境中的GPU内核中得到广泛应用，但其使用却表现出明显的选择性：CUTLASS、FlashAttention-3和FlashInfer等领域的资深内核开发者仅对内核中的部分张量操作数采用TMA，而对其余操作数则退回到cp.async、直接全局加载或分布式共享内存（DSM）等方式。厂商文档虽已说明了该API，近期的微基准测试也单独刻画了TMA的吞吐性能，但这些研究均未能解答从业者实际面临的疑问：在内核中遇到某个内存操作数时，究竟是否应使用TMA？若使用，又该搭配还是不搭配集群多播？我们通过一项基于工作负载的实证研究，在H100平台上填补了这一空白。我们系统地梳理了TMA、多
arXiv：2610.33475v1 发布类型：新 摘要：基础大型语言模型（LLM）在云数据中心的广泛部署，标志着从无状态深度学习向分布式、内存密集型生成式工作负载的根本性范式转变。然而，在严格的服务水平目标（SLO）下为海量基础模型提供服务，会暴露出关键的物理与系统瓶颈。这些挑战包括持续存在的高带宽存储器（HBM）墙、计算密集型预填充与内存带宽受限的解码之间的运行不对称、键值（KV）缓存的爆炸式增长、代价高昂的无服务器冷启动，以及硬件可靠性方面的漏洞。现有的文献综述仍局限于各层次的孤立视角，未能将底层加速器的虚拟化与集群……
AI工厂是迄今为止技术最为复杂的运营环境之一。数十万块GPU、NVIDIA Spectrum-X以太网……
NVIDIA于2026年10月26日（UTC）宣布cuDSS库进入通用可用（GA）阶段，该CUDA-X库专为在GPU上高效求解大规模稀疏线性系统而设计，显著提升芯片、航空、工业系统等领域的仿真吞吐量与迭代效率。
