论文提出 Atrex-Bench，从完整集群的生产推理轨迹中抽取 30 个算子、440 种形状，并按真实 GPU 时间占比加权评测。六个前沿编码智能体中，最佳通用模型仅达到生产算子硬件 roofline 的约 10%，且通过率常来自 PyTorch fallback。作者同时发布 AKA，以测量驱动搜索、optimization dropout 和分层知识库将 fallback 转为真实内核。
最近 24 小时暂无可用热度快照。