Xueyi Chen 等 · arXiv；HF Daily Papers发现 · 阅读原文
发现渠道：Hugging Face · Daily Papers
作者固定74个问题、B200硬件和单次40分钟预算，把CuTe DSL尝试写成自然语言skill，再交给同一模型从头做TIRx版本，反向亦然。六模型的配对收益范围为−19%至+29%；每个方向仍有16%–45%的问题退步。转移的是经验文字，未给原实现；这里测试同问题跨DSL迁移，未测新问题或新硬件。
可信度 65 · 重要性 68 · 新颖度 74
技术与主题
Agent 系统 · 系统与效率 · 评测与基准 · Skill Transfer · GPU Kernel Optimization · CuTe DSL · TIRx
编辑评读
这项设置把写出的代码与留下的经验分开评价。源尝试通过不代表它的建议更适合目标：目标原本已能做到的程度也影响增益。匹配目标尝试的预算，并没有抹掉生产源skill的那次额外实验成本，所以不宜把配对收益直接换算成整体省算力。
需要留意
- 本轮未找到独立跨DSL复测；单次运行中的退步需要更多种子确认。