港科大提出 AccelEval 基准：评测大模型端到端 CPU 转 GPU 加速与工程优化能力

香港科技大学研究团队提出 AccelEval 评测基准，用于检验大模型能否将可信的 CPU 程序重构成正确且端到端更快的 GPU 实现。该基准覆盖科学仿真、金融计算和运筹优化等 6 个领域的 42 项计算任务，并将内存分配与数据搬运等全流程开销纳入计时。研究还整理了 43 类 CUDA 优化策略，通过静态检测与模型分析解析性能差异，探索自动加速经验的跨任务迁移。