Sou Lena. Eu quase pulei a NVIDIA AVO no começo.
NVIDIA AVO em Um Minuto
NVIDIA AVO é fácil de ser ignorado. Não é um novo produto de codificação para desktop, e não é uma prova de que todo agente pode melhorar magicamente a si mesmo. A leitura mais clara é mais restrita e interessante: AVO, abreviação de Operadores de Variação Agênica, trata um agente de codificação como o operador de variação dentro de um loop de busca evolutiva.
Eu pausei aqui, porque essa mudança é pequena em termos de palavras, mas grande em design de sistema. Em buscas evolutivas assistidas por LLM mais antigas, o modelo frequentemente gera um candidato enquanto a estrutura ao redor decide sobre amostragem, pontuação e regras da população. No Papel AVO, o agente faz mais do que gerar código. Ele lê versões anteriores, consulta conhecimento de domínio, edita uma implementação, executa testes, estuda feedback, corrige falhas e decide o que tentar em seguida.
Até minha verificação de agosto de 2026, o arXiv lista a versão 1 do artigo, submetida em 25 de março de 2026, por Terry Chen e 22 coautores com afiliação à NVIDIA. A evidência pública atual deve ser lida como um resultado de pesquisa, não como um lançamento de produto suportado.
O Problema de Pesquisa que a AVO Aborda
A otimização de kernel de GPU é um lugar complicado para testar agentes, o que é exatamente por isso que é útil. O espaço de busca é enorme, mas a maioria das alterações de código são ou inválidas, mais lentas, ou muito vinculadas a um caminho de hardware específico. Um modelo de linguagem pode sugerir ideias, mas o desempenho do kernel só se torna real após compilação, verificações de correção, perfilamento e benchmarking.
Procurando um grande espaço de mudanças válidas no kernel
O objetivo do artigo é a otimização do kernel de atenção no hardware NVIDIA Blackwell B200. Isso é importante porque a atenção já é fortemente otimizada. Os referenciais não são exemplos fracos. O artigo compara com cuDNN 9.19.1 e FlashAttention-4, usando a implementação oficial do FA4 em um commit específico.
A dificuldade central não é “escrever um kernel mais rápido” de uma vez. É: encontrar uma mudança de implementação válida, manter a correção numérica, melhorar a taxa de processamento e lembrar o suficiente das tentativas anteriores para evitar circular pelo mesmo fracasso. Algo está um pouco errado se chamarmos isso de geração de código comum. É mais próximo de uma busca de engenharia de longo prazo.
Como Funcionam os Operadores de Variação Agêntica
O modelo mental mais simples é este: AVO transforma a mutação em uma execução de agente. Em vez de um operador de mutação fixo fazer uma edição aleatória ou baseada em modelo, o agente observa a linhagem atual e decide que tipo de variação pode ser útil.
Leia linhagem e contexto de domínio
Linagem é uma das palavras discretamente importantes aqui. A instânciação de otimização de kernel do AVO usa uma execução de linha única: cada versão de kernel confirmada se torna parte do histórico que o próximo passo de variação pode inspecionar. O agente pode comparar versões anteriores, revisar o comportamento do perfilamento e usar esse contexto para escolher uma nova direção.
O contexto do domínio também é explícito. O artigo diz que a base de conhecimento inclui guias de programação CUDA, documentação da ISA PTX, informações sobre a arquitetura Blackwell e implementações de kernel existentes, incluindo o código-fonte do FlashAttention-4. Isso não é apenas “memória” no sentido casual de chatbot. É um contexto de trabalho para busca técnica.
Propor, reparar, criticar e verificar variantes
Dentro de uma etapa de variação AVO, o agente pode inspecionar kernels anteriores, propor uma edição, compilá-la, executar testes de correção, estudar os resultados de perfil e reparar a implementação quando ela falha. Se o candidato estiver incorreto, ele recebe uma pontuação zero independentemente do desempenho. Essa regra é importante porque impede que a busca recompense kernels rápidos, porém incorretos.
A instanciação de otimização de núcleo do artigo só comete uma nova versão quando ela passa na verificação de correção e iguala ou melhora a melhor pontuação de benchmark já comprometida. Tentativas fracassadas ainda podem influenciar a trajetória de busca interna, mas não são adicionadas à linhagem comprometida. Isso dá à linhagem publicada uma história de progresso limpa, ao mesmo tempo em que deixa uma lacuna de auditoria que não devemos ignorar.
Use o feedback da execução para orientar o próximo passo da busca
Esta é a parte que torna o AVO relevante além da otimização do kernel. O feedback importa apenas quando altera a próxima proposta. O AVO é projetado em torno desse ciclo: agir, medir, interpretar, revisar.
Os exemplos do artigo são muito concretos. Uma variante remove um ramo na reescalagem do acumulador. Outra sobrepõe o trabalho de correção com a atividade de multiplicação de matrizes. Outra reequilibra os registradores entre grupos de warp. Estas não são refatorações superficiais. Elas dependem de sincronização, agendamento, pressão de registradores e comportamento da memória.
Acho que é aqui que o método começa a parecer menos aleatório. O agente não está apenas amostrando sequências de código. Ele está usando o feedback da execução para remodelar sua estratégia de busca.
O que a Avaliação Realmente Mede
A avaliação mede o desempenho do kernel e a correção sob configurações específicas de atenção B200. Não mede inteligência geral, qualidade ampla de software ou prontidão para produção.
Experimentos com kernel de atenção em hardware NVIDIA B200
O artigo relata experimentos em GPUs NVIDIA B200 com CUDA 13.1 e PyTorch 2.10.0. Para atenção multi-cabeça, ele avalia o throughput de pré-preenchimento direto com precisão BF16, dimensão da cabeça 128, 16 cabeças, comprimentos de sequência de 4.096 a 32.768, e um total fixo de 32 mil tokens. Os autores realizam os experimentos 10 vezes para reportar o desempenho médio e o desvio padrão.
Para MHA, o AVO apresenta até 3,5% a mais em relação ao cuDNN e até 10,5% a mais em relação ao FlashAttention-4 nas configurações avaliadas. Para GQA, após cerca de 30 minutos de adaptação autônoma adicional, ele apresenta até 7,0% a mais em relação ao cuDNN e 9,3% a mais em relação ao FA4. A comparação com o FA também é relevante porque o artigo afirma ter usado o mesmo script de temporização do Script de benchmark do FlashAttention e as mesmas rodadas de aquecimento e repetição que o artigo do FA4.
Esses são números significativos, mas são números limitados. Eles pertencem à versão em papel, hardware, precisão, configurações de sequência, referências e processo de medição conforme descrito.
O Que o Artigo Não Estabelece
É aqui que quero ter cuidado. A AVO é um forte sinal de pesquisa, mas não é um cheque em branco para afirmações sobre agentes autônomos.
Melhoria do agente geral, transferência de produção e portabilidade de hardware
O artigo não prova que todos os agentes de codificação se autoaperfeiçoam. Ele não mostra que os kernels gerados pelo AVO são seguros para produção em todas as arquiteturas de modelo. Ele não estabelece portabilidade para todas as gerações de GPU ou para todas as cargas de trabalho CUDA. Também não divulga tudo o que uma equipe de produção gostaria: orçamento total de tokens, configuração exata do modelo frontier, trajetória completa malsucedida ou um repositório público de implementação da NVIDIA vinculado à publicação no arXiv.
A portabilidade de hardware é especialmente fácil de exagerar. Esses kernels foram otimizados com base no comportamento do Blackwell B200. Uma mudança que ajuda um registrador ou padrão de pipeline pode desaparecer, regredir ou exigir retrabalho em outro alvo. Se uma equipe quisesse usar essa ideia em produção, o trabalho real seria a verificação: testes de correção, verificações de tolerância numérica, profiling, revisão de manutenibilidade, caminhos de fallback e integração na engenharia de lançamento.
Por que o Método Importa para a Evolução do Agente
AVO importa porque fornece um exemplo concreto de experiência reutilizável em um loop de agente. Não apenas memória como histórico de chat armazenado, e não evolução como uma metáfora. O agente mantém uma linhagem, usa feedback da execução e altera propostas futuras com base no que sobreviveu.
O feedback só se torna útil quando muda a próxima proposta
Esta é a parte à qual continuo voltando. Um kernel falho não é útil por si só. Um rastreamento de profiler não é útil por si só. Uma versão comprometida não é útil por si só. Eles se tornam úteis quando o próximo passo do agente pode lê-los e fazer uma escolha diferente.
Essa é a verdadeira ponte entre agentes de codificação e busca evolutiva. A AVO não diz “deixe o agente escrever código e esperar.” Ela constrói um ciclo onde proposta, reparo, crítica, verificação, linhagem e feedback de execução estão conectados de forma suficientemente estreita para que o progresso se acumule.
Estou mantendo esta conclusão de forma flexível, mas parece ser a lição importante: a evolução do agente não é sobre uma IA anunciar que aprendeu. É sobre se o sistema preserva as evidências corretas e as usa para produzir uma próxima tentativa melhor.
Perguntas Frequentes
A implementação atual do NVIDIA AVO está disponível publicamente hoje?
Não consegui verificar um repositório público oficial da NVIDIA, API ou implementação empacotada para o sistema AVO descrito no arXiv 2603.24517 v1. Existem reproduções de terceiros e discussões online, mas estas não devem ser tratadas como lançamentos da NVIDIA. A formulação segura é: o artigo é público; a implementação e os kernels gerados não estão publicamente verificados como um lançamento oficial no momento da escrita.
Quem possui a propriedade intelectual nos kernels gerados através do NVIDIA AVO?
O artigo não decide a propriedade do kernel. Se o AVO for executado dentro da NVIDIA, a propriedade provavelmente depende do emprego na NVIDIA, contratos, entradas de código-fonte, políticas internas e legislação aplicável. Se outra equipe construir um sistema semelhante ao AVO, a propriedade depende dos contratos dessa equipe, termos do modelo, licenças de código-fonte e regras de contribuição. Isto não é aconselhamento jurídico. Para ferramentas ou materiais hospedados pela NVIDIA, revise o Termos do Desenvolvedor NVIDIA atual e qualquer acordo de produto específico antes de confiar nos kernels gerados.
A NVIDIA anunciou suporte comercial para kernels gerados por AVO em produção?
Não encontrei nenhum anúncio público da NVIDIA que ofereça suporte comercial para núcleos de atenção gerados por AVO em produção, conforme o artigo. O artigo é uma evidência de pesquisa. Não deve ser escrito como um SLA de produção, programa de suporte ou caminho de implantação garantido.
O AVO preserva variantes rejeitadas para auditoria posterior?
O artigo afirma que tentativas intermediárias malsucedidas permanecem como parte da trajetória de busca interna do agente, mas não são adicionadas à linhagem comprometida. Cada versão comprometida é salva como um commit do Git com sua pontuação. O artigo apoia que tentativas rejeitadas permanecem na trajetória interna do agente durante a execução, mas não estabelece que elas sejam preservadas como um arquivo de auditoria posterior.
Os núcleos AVO podem entrar em um pipeline de compilação CUDA padrão?
Em princípio, um kernel gerado pode entrar em um pipeline de construção CUDA se for código-fonte válido, devidamente licenciado, sustentável, testado e integrado ao projeto ao redor. Mas o AVO não remove o ônus normal da engenharia. Uma equipe de produção ainda precisaria de revisão de código, benchmarks reprodutíveis, verificações de correção, testes específicos de hardware, comportamento de fallback, revisão de segurança e propriedade clara. Este é um ponto de verificação, não um fim.
Publicações Anteriores:
- Para entender como o AVO se encaixa na ideia mais ampla de agentes que melhoram por meio de experiência validada, leia Habilidades EvoSkills e habilidades autoevolutivas, que examina como o comportamento bem-sucedido de um agente pode se tornar uma capacidade reutilizável em vez de um resultado único.
- Para a camada de memória por trás dos loops de agentes evolutivos, memória de fluxo de trabalho do agente explica como execuções anteriores, padrões de tarefas e evidências de validação podem moldar o comportamento futuro do agente.
- Se você quiser colocar a NVIDIA AVO dentro da pilha maior de infraestrutura de agentes, o Camadas da pilha do agente OpenHarness e GEP mostra como a execução em tempo de execução, os harnesses e as camadas de experiência reutilizáveis diferem.




