K-Search 如何将数十年 CUDA 内核经验迁移到 Apple Silicon 的 MLX
IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 扩展 MLX，并构建 CUDA 到 MLX 翻译层，在 Apple Silicon 上达到接近专家水平的内核性能。
推荐理由：原文展示 CUDA 优化知识如何转成 MLX 架构策略，并给出注意力与 Mamba 预填充的实测对比，便于理解跨硬件内核优化如何迁移。
#GitHub
Berkeley AI Research精选AI 评分6565
Berkeley AI ResearchAI 评分5353 Berkeley AI Research 提出信息驱动的成像系统设计方法 IDEAL
Berkeley AI Research 在 NeurIPS 2025 论文中提出用互信息直接评估和优化成像系统信息量的框架。该方法从噪声测量和噪声模型估计信息，在彩色摄影、射电天文、无透镜成像和显微成像四个领域预测下游性能。IDEAL 通过信息估计的梯度反馈优化成像参数，无需训练解码器，在彩色滤光片设计中匹配端到端优化性能并降低内存和计算需求。