PyTorch 用 Triton 替换 CUDA，推荐系统 kernel 前向提速 1.28 倍

Meta 团队将推荐系统核心的 Table Batched Embedding（TBE）kernel 从 CUDA 迁移到 Triton（FBTriton），前向传播最高提速 1.28x，反向传播最高 2x。