benchmark-kernel
Evalúa con precisión los kernels de GPU de FlashInfer
Las comparaciones de kernels de GPU pueden ser engañosas cuando difieren los métodos de medición y las entradas. Esta habilidad proporciona pruebas de rendimiento reproducibles de FlashInfer con comprobaciones de corrección y métricas de rendimiento claras.
Instalar con mi Agente
Copia esta solicitud en tu Agente. Incluye la página canónica del Skill y el manifiesto.
Review the Skillstore skill "benchmark-kernel" from https://skillstore.io/skills/flashinfer-ai-benchmark-kernel.md and its manifest at https://skillstore.io/api/skills/flashinfer-ai-benchmark-kernel/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Tu Agente debe seguir mostrando su plan y solicitar cualquier confirmación exigida por la política de seguridad.
Recursos legibles por agentes
Usa estos enlaces cuando un agente de IA, crawler o script necesite contexto limpio en vez de leer la página completa.
Pruébalo
Usando "benchmark-kernel". Compara los backends de atención de decodificación para una H100 con un tamaño de lote de 32 y una longitud de secuencia de 2048.
Resultado esperado:
- Medición recomendada: CUPTI cuando esté disponible, con eventos de CUDA como alternativa documentada.
- Controles de comparación: formas, tipos de datos, calentamientos, iteraciones y comprobaciones de referencia idénticos.
- Informe: latencia mediana, desviación estándar, rendimiento, ancho de banda y una configuración reproducible.
Usando "benchmark-kernel". Mis resultados de GEMM FP8 varían entre ejecuciones. Sugiere una secuencia de diagnóstico.
Resultado esperado:
- Aumenta las iteraciones de calentamiento y medición antes de modificar la carga de trabajo.
- Confirma que se utilicen el mismo método de medición, estado del reloj, formas de entrada y lista de backends en todas las ejecuciones.
- Examina la salida detallada y compara la desviación estándar antes de aceptar una diferencia de rendimiento.
Usando "benchmark-kernel". Planifica un informe de pruebas de rendimiento por lotes para kernels de atención, GEMM y mezcla de expertos.
Resultado esperado:
El informe agrupa las cargas de trabajo representativas por rutina, registra el estado de corrección, captura las métricas de medición y conserva la configuración de cada prueba de rendimiento para poder reproducirla.
Auditoría de seguridad
SeguroEighty-four Ruby or shell backtick findings and the network-reconnaissance finding are false positives caused by Markdown formatting and benchmark arguments. The sudo nvidia-smi example is a real privileged system change that can alter GPU clocks for all workloads, although it contains no injection path. No malicious intent, prompt injection, or data exfiltration was found.
Elementos de revisión de capacidades (1)
Estas son capacidades locales reales que pueden esperarse para esta habilidad, por lo que requieren revisión, pero no se cuentan como comportamiento malicioso confirmado.
Factores de riesgo
⚙️ Comandos externos (50)
Compartir y citar este informe
Comparte el informe de evaluación versionado, la insignia neutral, la tarjeta insertable y las citas. Skillstore presenta evidencias sin decidir si este Skill es seguro.
Copiar enlace del informe
https://skillstore.io/skills/flashinfer-ai-benchmark-kernel/audits/12?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportInsignia Markdown
[](https://skillstore.io/skills/flashinfer-ai-benchmark-kernel?utm_source=security_passport_badge)Insignia HTML
<a href="https://skillstore.io/skills/flashinfer-ai-benchmark-kernel?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/flashinfer-ai-benchmark-kernel/security.svg" alt="Skillstore security assessment" loading="lazy"></a>Tarjeta para insertar
<iframe src="https://skillstore.io/embed/skills/flashinfer-ai-benchmark-kernel.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>Citas académicas (APA · BibTeX · CFF)
Cita APA
flashinfer-ai. (2026). benchmark-kernel security audit report (audit version 12) [Author version unspecified]. Skillstore. https://skillstore.io/skills/flashinfer-ai-benchmark-kernel/audits/12Cita BibTeX
@techreport{flashinfer-ai-flashinfer-ai-benchmark-kernel-2026,
author = {flashinfer-ai},
title = {benchmark-kernel security audit report (audit version 12)},
institution = {Skillstore},
year = {2026},
number = {12},
url = {https://skillstore.io/skills/flashinfer-ai-benchmark-kernel/audits/12},
note = {Author version unspecified}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "benchmark-kernel security audit report (audit version 12)"
version: "unspecified"
type: report
authors:
- name: "flashinfer-ai"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/flashinfer-ai-benchmark-kernel/audits/12"
identifiers:
- type: other
value: "skillstore:flashinfer-ai-benchmark-kernel:audit:12"
description: "Skillstore immutable audit report identifier"
Puntuación de Skillstore
Por qué esta puntuación Confianza de la evidencia: AltoLo que puedes crear
Comparar backends de atención
Configura cargas de trabajo de atención idénticas y compara la latencia, el rendimiento y la consistencia entre los backends disponibles.
Validar cambios en kernels
Ejecuta comprobaciones de referencia y pruebas de rendimiento reproducibles antes y después de modificar la implementación de un kernel.
Crear informes de rendimiento
Recopila en formato CSV los resultados de pruebas de rendimiento por lotes para realizar un seguimiento de regresiones y comparar hardware.
Prueba estos prompts
Ayúdame a evaluar el rendimiento de un kernel de FlashInfer. Pregúntame por mi GPU, rutina, formas de entrada, tipos de datos y backends candidatos antes de proponer una configuración.
Diseña una comparación equitativa de backends para [routine] en [GPU]. Utiliza entradas idénticas, comprobaciones de referencia, calentamientos, mediciones repetidas e informes de resultados reproducibles.
Revisa estos resultados de pruebas de rendimiento de FlashInfer: [results]. Identifica las causas probables de la variación y recomienda cambios específicos en los calentamientos, las iteraciones, la medición o el comportamiento de la caché.
Crea un plan de regresión para kernels de FlashInfer en [hardware and routines]. Define casos representativos, criterios de corrección, controles de medición, campos CSV y criterios de comparación.
Mejores prácticas
- Mantén idénticos las formas, los tipos de datos, los métodos de medición y el número de iteraciones al comparar backends.
- Activa las comprobaciones de referencia antes de considerar válidos los resultados más rápidos.
- Registra los detalles de la GPU, las versiones del software, la configuración de las pruebas de rendimiento y la información necesaria para reproducirlas con cada resultado.
Evitar
- No compares resultados recopilados con métodos de medición diferentes sin indicar claramente la diferencia.
- No desactives las comprobaciones de corrección únicamente para conservar un resultado más rápido.
- No ejecutes comandos privilegiados del reloj en hardware compartido sin autorización y sin un plan de restauración.
Preguntas frecuentes
¿Es obligatorio utilizar CUPTI?
¿Qué rutinas se incluyen?
¿Puedo comparar varios backends?
¿Por qué mis resultados son inconsistentes?
¿La habilidad ejecuta automáticamente las pruebas de rendimiento?
¿El bloqueo del reloj de la GPU requiere precauciones especiales?
Detalles del desarrollador
Autor
flashinfer-aiLicencia
MIT
Revisión de Skillstore
r2
Aviso de versión
El autor no declaró una versión.
Ref.
c43861a65bb95efcae259cd161c9d6f4dc7eec6f
Actualidad del mantenimiento
26/7/2026
Uso
3 descargas · 291 vistas
Estructura de archivos
📄 SKILL.md