235 题 CUDA 优化提速 38%：Cursor × NVIDIA 多 Agent

Cursor 在做一套能自主构建、维护复杂软件的多 Agent 系统。最近他们把它和 NVIDIA 摆到一起，去优化 CUDA kernel。数字给得很具体：大约 3 周，覆盖 235 道题，几何均值（geomean）提速 38%。

百分比好听。可基线一旦选错，它立刻变成标题党。所以先把那张图读明白。

图上三根柱子分别是谁

封面图标题写着：Cursor 的 multi-agent system 在 235 道题上拿到 38% geomean speedup。柱状对比是：

• Naive PyTorch：约 0.17x
• Optimized PyTorch：标成 1x（虚线基准）
• Cursor Multi-Agent：约 1.38x（相对那条 1x 基准）

所以这 38% 说的是「比已经调过的 PyTorch 再快一截」，不是「比随手写的慢实现快了几十倍」。Naive 那根 0.17x 只是提醒你未优化有多亏，真正的擂台是中间那根 Optimized。

这条结果为什么值得看

CUDA kernel 优化一向吃专家时间：访存、占用、指令级的细节，改错一次就得重测一轮。Cursor 把故事讲在多 Agent 上，系统自己构建、维护，而不是一次聊天吐段 kernel 就算完。这跟他们之前讲的 Verifier 是一路：写完要跑，跑不过再派人修，性能题尤其吃「测得动」。

读这个数，我会留意几件事。geomean 比「最高加速比」老实，因为它不容易被某一道极端题拉飞。235 是题量，不是所有 CUDA 负载，换一套算子、换一代卡，数字就会动。至于 3 周，那是墙钟时间的说法，里面含编排、重试和人工兜底，没人承诺你本地能照同一张日历复现。

和日常用 Cursor 有啥关系

你大概率不会明天就去重写半个算子库。真正能搬走的是做法。先固定基准：没有 Optimized 这条线，1.38x 就无从谈起，本地优化同理，先写出能重复跑的 bench，再让 Agent 动手。验证得进闭环，性能补丁要是不能自动跑分，Agent 很容易给你一个「看着更快」的幻觉实现，这一层的讨论见 Verifier 怎么卡 Worker。贵模型留给真正难搜的结构，反复试参、跑分这种活，用更省的配置就够，成本上的对照见 模型组合成本。

别这样转发

• 写成「Cursor 让任意 PyTorch 快 38%」，基线不对，范围也不对。
• 忽略 NVIDIA 合作这个语境，说成编辑器一键出奇迹。
• 拿 Naive 的 0.17x 当参照物，凑出夸张倍数。

更老实的说法是：在这 235 题的设定下，多 Agent 相对调过的 PyTorch 基线，几何均值大概到 1.38x。

怎么自己验收「有没有学到」

挑一个你仓库里真有的热点路径，不必是 CUDA。先写一个能重复跑的计时脚本，锁死输入规模；再人手或用现成工具做出一版「还算认真」的基线，当作 1x；然后让 Agent 小步改，每步只收能重新跑分的 diff。要是连着几次分数不动或者抖得厉害，先查测量噪声，别急着升模型。

能稳定复现「相对自己那条 1x 基线有提升」，比背下 38% 这个数字有用得多。

相关还可读：Agent / Rules 工作流。