232x schnellerer Kernel: Wie ich mit Codex Auto-Research betrieb

Auto-research with codex: How I achieved a 232x Faster Kernel

Im GPU-Mode-Wettbewerb zur Auto-Research erreichte ich den 12. Platz von 183 Teilnehmern mit einer 232-fachen Beschleunigung gegenüber der Baseline. Der Beitrag beschreibt meinen Ansatz, Hausholder-QR-Zerlegung mit blockierten Algorithmen und WY-Updates zu implementieren, und wie ich durch intensive Nutzung von Codex und einem engen Feedback-Loop über 1500 Submissions optimierte. Ich teile Learnings über das Stellen besserer Fragen an LLMs, das Überwinden lokaler Maxima durch Ideenvielfalt und die Bedeutung von Domain-Wissen für effektive Prompting-Strategien.