PyTorch 用 FBTriton 优化 TBE 嵌入查找性能

PyTorch 推出基于 Triton 的 Table Batched Embedding (TBE) 内核，在推荐系统嵌入查找中超越传统 CUDA 实现。该方案通过直方图与 Tensor Core 路径优化，在 B200 GPU 上使边界检查提速最高达 1.24x，并将特定配置下的总延迟降低 16.8%。