PerfReasoning基准评估大模型硬件性能推理
原文标题：PerfReasoning: How Well Do LLMs Reason on Hardware Performance?
重要度 4/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
PerfReasoning基准测试大模型在硬件性能推理和生成分析性性能模型代码方面的能力。最强闭源模型在推理问答中超过90%，最佳开源模型达82.4%，但模型构建难度大，除GPT-5.6 Sol外其余模型平均通过率低于15%。任务特定强化学习可将4B模型映射推理准确率提升15.7个百分点。
- 问题
- 评估LLM硬件性能推理与生成性能模型代码的能力。
- 方法
- 构建PerfReasoning基准，含推理问答与性能模型代码生成两类任务。
- 结果
- 最强闭源模型问答超90%，最佳开源82.4%；除GPT-5.6 Sol外模型构建通过率均低于15%。
- 影响
- 暴露架构推理与可靠性能建模间的差距，为硬件设计自动化指明瓶颈。
深读 · 结论先行AI 生成展开看要点与影响 ↓
新基准PerfReasoning显示：模型能答性能推理题，却几乎写不出可用的性能模型代码。
- •最强闭源模型在推理问答上超过90%，最佳开源模型达82.4%
- •模型构建任务上，除GPT-5.6 Sol超过80%通过率外，其余配置平均低于15%
- •任务特定强化学习让4B模型的映射推理准确率提升15.7个百分点
- •无反馈的多轮自我修正提示被证明不可靠
为什么重要：对硬件设计与软件优化而言，LLM目前只能做定性推理，尚不能替代可验证的性能建模工作。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。