MKEvolve：内核代码生成的模块化多智能体框架

尽管基于LLM的代码生成进展迅速，为硬件加速器编写正确且高性能的内核仍是扩展现代ML工作负载的关键瓶颈。我们提出MKEvolve（模块化内核进化），一个框架：迭代地共同演化复杂PyTorch模块的模块化分解与每个子模块的LLM生成内核，跨迭代经拆分与融合精炼分解，同时经LLM驱动的束搜索独立改进每个子内核。所得内核是独立验证子内核的程序化组合：可配置（子内核实现可替换）、可解释（错误与加速可追溯到具体子内核）、且易适配相关模型架构。在KernelBench L2与L3上、以Triton、横跨多算子序列与完整模型架构的实验显示：MKEvolve在正确性与加速上都超过端到端直接合成基线，同时把LLM token用量最多降低35%。