长文：用 Codex 做自动研究：我如何在 GPU Mode 的 qr_v2 问题中把内核速度提升到基线的 232 倍地址：kuleshov-group.github.io/blog/blog/2026/how-to-build-a-diffusion-language-model/

作者复盘了自己如何用 Codex 参与 GPU Mode 的 qr_v2 优化比赛，并最终在 183 名参赛者中排第 12，将基线方案提速到约 232 倍。主要方法不是单纯“让模型写代码”，而是搭建一个高频反馈循环：记录每次提交、维护实验日志、让 Codex 持续尝试 Triton/CUDA 实现、用 profiling 找瓶颈，再由人类适时介入提出更好的问题。技术上，关键突破来自 blocked Householder QR、WY trailing update、减少 launch/panel overhead、形状特化、CUDA graph replay、融合布局组装等。