Crypto

AscendGYM introduceert benchmark voor kerneloptimalisatie op Ascend NPU's

Het AI Training Platform Team introduceert AscendGYM, een nieuwe benchmark voor kerneloptimalisatie op Ascend NPU's. De benchmark bevat 48 kernels en introduceert de Speedup-Token Score, een cost-aware prestatiemetric.

Bron Blockchain News

Wat AscendGYM is

Het AI Training Platform Team, geleid door Bingwei Zhang (onderzoeker), Jing Li (onderzoeker) en Amir Abdullin (onderzoeker), ontwikkelde AscendGYM. Ze publiceerden het project op arXiv op 18 november 2026.

AscendGYM bevat een set van 48 kernels. Die kernels zijn verdeeld over drie moeilijkheidsniveaus.

De kernels zijn gekoppeld aan testcases uit echte trainings- en inference-taken. Zo moeten verbeteringen direct toepasbaar zijn in praktijkomgevingen.

STS en evaluatiemodi

AscendGYM introduceert de Speedup-Token Score, afgekort STS. Deze metric weegt snelheidsverbetering af tegen tokenkosten.

De benchmark ondersteunt twee evaluatiemodi. Er is model evaluation en model-harness evaluation.

Beide modi meten getrainde modellen en aangepaste agenten binnen een volledige uitvoeromgeving. Die omgeving bootst Ascend kernel-pijplijnen nauwkeurig na.

Open source en tools

Het project is open-source en staat op GitHub. De repository bevat taakdefinities, evaluatietools en documentatie.

Gebruikers kunnen taken voorbereiden, correctheidstesten uitvoeren en prestaties meten via één interface. De uitvoering ondersteunt officiële AscendForge-images en zelf-gehoste services.

Er is ook een interactieve leaderboard. Daarin zien deelnemers speedup-ratio's, tokenverbruik en STS-scores.

Waarom dit telt

De benchmark richt zich op echte workloads en kostenbewuste metrics. Dat maakt AscendGYM relevant voor bedrijven met strakke budgetten.

Met tools, een leaderboard en ondersteuning voor echte uitvoeromgevingen vergroot AscendGYM de mogelijkheid om optimalisaties te vergelijken. Dit kan sneller bruikbare verbeteringen opleveren voor Ascend NPU-omgevingen.

Waar je op kunt letten

  • Publicatie op arXiv op 18 november 2026
  • GitHub-repository: https://github.com/SLAI-AITP/AscendGYM
  • De 48 kernels verdeeld over drie moeilijkheidsniveaus