从 CUDA 到 MLX：K-Search 如何将数十年的内核优化经验带到 Apple Silicon
Berkeley Sky Lab 在进化式内核搜索框架 K-Search 基础上新增 MLX 后端，通过结构化 CUDA-to-MLX 翻译层，把已有 CUDA 内核作为知识库自动适配为 Apple Silicon 上的高质量 GPU 内核。
#推理
Berkeley AI ResearchAI 评分4444
Berkeley AI ResearchAI 评分3939 自适应并行推理：高效推理扩展的下一个范式
Berkeley AI Research 发布一篇关于并行推理（Parallel Reasoning）的综述兼观点文章，探讨让大语言模型自行决定何时分解任务、并行化以及协调子任务的自适应并行推理。
Berkeley AI ResearchAI 评分4343 GRASP：面向长时程世界模型的基于梯度的规划方法
Berkeley AI Research 等团队提出 GRASP，一种基于梯度的规划器，让学习型世界模型的长时程规划更稳健。它将轨迹提升到虚拟状态以实现跨时间并行优化，在状态迭代中加入随机性以支持探索，并通过重塑梯度避免经过高维视觉模型的脆弱“状态-输入”梯度。该方法解决了长时程 rollout 中雅可比矩阵病态化导致的梯度爆炸/消失，以及非贪心结构带来的局部极小问题。