https://github.com/mit-han-lab/mlsys2026-flashinfer-contest 介绍一下这个项目

回复 群友 3903： 这是 MIT HAN Lab 的 Kernel Mafia 团队公开的 MLSys 2026 FlashInfer 比赛发布仓库，主要放提示词、工作流文档和一个最小验证示例。仓库本身不放最终 kernel 代码，最终方案在另一个 solution 仓库里。 比赛内容是 FlashInfer 的 Full-Agent 赛道，要求让 agent 自己完成 GPU kernel 的优化。这个团队用的是全自动的 agent 优化流程，他们叫 KDA（Kernel Develop Agents）。核心用了三样东西：Humanize 作为 harness 框架，负责把每次优化尝试变成“规划、执行、验证”的闭环；KernelWiki 是他们收集的 kernel 知识库，供 agent 查阅；ncu-report-skill 让 agent 读 Nsight Compute 的 profiler 细节，而不是只看 benchmark 分数。 成绩方面，他们在 NVIDIA 赛道的三个 Full-Agent 方向上分别拿到了 MoE 第一、DSA 第二、GDN 第三。仓库里的消融实验显示，贡献最大的是 Humanize，另外两个 skill 也有用，但增益小一些。 流程分三阶段，每阶段用 Humanize 的规划和 RLCR 循环把阶段提示词变成可执行的优化计划。想复现的话，需要 Claude Code 和 Codex，装 humanize 插件，再把 KernelWiki 和 ncu-report-skill 链接到 ~/.claude/skills/，数据集和环境细节在 docs/reproduction.md 里。 如果你关心的是“agent 怎么自己优化 kernel”这件事，这个仓库的价值主要在提示词和工作流设计上，比单看结果更有参考意义。