New York University（纽约大学）

PerfCodeBench: Benchmarking LLMs for System-Level High-Performance Code Optimization

PerfCodeBench：用于系统级高性能代码优化的LLM基准测试

Huihao Jing, Wenbin Hu, Shaojin Chen, Haochen Shi, Hanyu Yang, Sirui Zhang, Haoran Li, Yangqiu Song

机构 * HKUST（香港科技大学） ； NYU（纽约大学） ； SWUPL（西南大学） 纠错

AI总结 本文提出PerfCodeBench，用于评估LLM在系统级高性能代码优化中的能力，发现模型生成代码与专家优化代码存在显著差距，尤其在并行和GPU任务中表现更差。

Enabling Energy-Efficient Simultaneous Multi-Task Reinforcement Learning through Spiking Neural Networks with Active Dendrites for Bio-inspired Generalist Agents

通过具有主动树突的脉冲神经网络实现节能同步多任务强化学习，用于受生物启发的通用智能体

Rachmad Vidya Wicaksana Putra, Avaneesh Devkota, Muhammad Shafique

机构 * eBRAIN Lab New York University (NYU) Abu Dhabi（eBRAIN实验室 新 York大学（NYU）阿布扎赫德） 纠错

AI总结 研究针对多任务强化学习的挑战，提出MTSpark方法，利用带主动树突的脉冲神经网络，结合增强深度脉冲Q网络、决斗结构和特定任务上下文信号，实现节能同步多任务强化学习，在游戏中性能和效率提升，能耗降低。

Comments 19 pages, 9 figures, 7 tables