课程《编译原理与体系结构》综合项目，目标是实现一个小型算子编译器原型。我负责前端AST到中间表示的降级转换，用C++编写IR构建与常量折叠Pass，并用Python调用PyTorch导出算子图作为输入。与两名同学协作完成代码生成与测试，借助TVM的调度接口对比手写循环的性能。在课程提供的模拟NPU环境上，对矩阵乘与卷积两类算子测试，经分块与向量化调整后，卷积算子平均耗时降低约22%（固定输入规模，重复10次取均值）。

个人学习项目，目标是熟悉Triton与MLIR生态。我用Python编写了逐元素加法、Softmax两个Triton算子，并对照PyTorch原生实现做数值一致性校验，误差控制在1e-5以内。随后在本地单张消费级GPU上测试不同BLOCK_SIZE下的耗时，记录到Softmax在序列长度512时相比朴素实现约有1.4倍加速（个人测试环境，样本规模较小，仅作学习验证）。过程中用Git管理版本，并整理了一份算子调优笔记。