slime/bench

slime-bench：普通分支全种子搜索基准

指定中心区块、曼哈顿半径和自定义图案（或实心 n×n），搜索范围内每个锚点的全部有效种子，输出 JSON 结果及计时。支持 NVIDIA CUDA 单卡、多卡。

本地编译与运行

需要 Linux/WSL、CUDA Toolkit（nvcc，推荐 12 或以上）、支持 C++17 的主机编译器。运行时需要 NVIDIA 驱动。项目根目录执行：

make -C bench
mkdir -p artifacts
./bench/bin/slime-bench --list-devices
./bench/bin/slime-bench --x 0 --z 0 --radius 64 --size 5 \
  --devices 0 --repeat 3 --output artifacts/local-r64-n5.json

默认编译 sm_86 并附带 PTX，适合本机 RTX 3060 Laptop。换架构时用 -B 强制重建；仅改变 Make 变量不会使已有文件自动过期。

已验证实例：5×5 爱心

种子 22428888508636，左上角区块 (-5,-147)（方块原点 (-80,-2352)）。每格一个区块，向右为 +X、向下为 +Z；16 格 # 必须是史莱姆，9 格 . 必须不是：

.#.#.
#####
#####
.###.
..#..

./bench/bin/slime-bench --radius 256 \
  --pattern-file bench/patterns/heart-5x5.txt \
  --position-batch 256 --max-results 1000

# 单点复查，收集全部普通分支匹配：应得到 1,181 个种子
./bench/bin/slime-bench --x -5 --z -147 --radius 0 \
  --pattern-file bench/patterns/heart-5x5.txt --max-results 2000

RTX 3060 Laptop 实测：131,585 个锚点，普通分支共找到 1,456 个种子/位置匹配，扫描约 2.439 秒（含设备初始化的端到端约 2.620 秒）。保存的 1,000 个搜索样本，以及单点复查的全部 1,181 个种子，都通过独立 Python 实现的 Java 整数回绕及 Random.nextInt(10) 精确逐格验证。已知种子及计时见 results/heart-5x5-example.json。GPU 回归检查单点计数、已知种子及全部样本，搜索计数不包含拒绝重抽补扫。

已验证实例：4×4 菱形

种子 126066202091224，左上角区块 (-1,-63)（方块原点 (-16,-1008)）。每格是一个区块，向右为 +X、向下为 +Z；# 为史莱姆，. 必须不是：

.##.
####
####
.##.

# 搜索原点周围；这里只限制保存的样本数，仍会完整扫描
./bench/bin/slime-bench --radius 64 \
  --pattern-file bench/patterns/diamond-4x4.txt \
  --position-batch 128 --max-results 1000

# 单点复查：普通分支应得到 11,142 个种子
./bench/bin/slime-bench --x -1 --z -63 --radius 0 \
  --pattern-file bench/patterns/diamond-4x4.txt --max-results 64

RTX 3060 Laptop 实测：8,321 个锚点，普通分支找到 2,457,370 个种子/位置匹配，扫描约 0.924 秒（含设备初始化的端到端约 1.098 秒）。保存的 1,000 个样本全部通过独立 Python 实现的 Java 整数回绕及 Random.nextInt(10) 精确验证，包括四个非史莱姆角。样本顺序由 GPU 调度决定，不保证固定种子在截取的前 64 个样本中。已知种子及验证记录见 results/diamond-4x4-example.json，GPU 回归会核对单点计数并独立验证返回样本。

此实例证明自定义正负约束搜索可行；搜索计数仍不包含拒绝重抽补扫。

自定义图案：6×6 苦力怕

--pattern 接受 / 分隔的行，或用 --pattern-file 读取每行一排的文本文件。# 必须是史莱姆区块，. 必须不是，? 不限制。支持非正方形，宽、高分别为 1～64，至少含一个 #；不能与 --size 同时指定。不自动旋转或镜像。

内置示例 patterns/creeper-6x6.txt 将脸部像素设为史莱姆：

##..##
##..##
..##..
.####.
.####.
.#..#.

./bench/bin/slime-bench --radius 512 \
  --pattern-file bench/patterns/creeper-6x6.txt \
  --position-batch 128 --max-results 100 --output artifacts/creeper.json

# 也可直接输入；必须使用引号保护 #、? 等字符
./bench/bin/slime-bench --radius 512 \
  --pattern '##..##/##..##/..##../.####./.####./.#..#.' --max-results 100

目标是上面的正色模板：眼睛、鼻子和嘴巴为史莱姆区块，背景必须不是。已检查原点半径 2048、中心 (51069,419124) 半径 1024、32 个分散区域各半径 256、另外 128 个分散区域各半径 512；还筛选了 65,536 个坐标，选出低位候选最多的 64 个坐标类，检查这些类在世界边界内的全部 104,538 个实际位置。累计 82,047,228 次锚点检查仍未命中（不同路线可能重叠，见搜索记录）。这不证明正色不存在；不能用反色图案作为该目标的搜索结果。

每行从左到右沿 +X，从上到下沿 +Z。返回坐标仍是矩形左上角，即使该格是 . 或 ?。将 . 改为 ? 可只要求轮廓、允许背景出现额外史莱姆区块。JSON 包含原始 pattern 行、宽高及两类约束数；自定义输入的 square_size 为 null。

筛选和区间求解只使用 # 格，随后精确核对所有 . 格；? 不参与计算。稀疏图案的候选可能很多，搜索时间不能直接套用实心方阵的基准。搜索口径仍为普通分支，不包含拒绝重抽补扫。

H100 服务器

将仓库内的 bench/ 和 include/ 一起复制到服务器，保持相对路径；CLI 依赖 include/slime/ 中的共用头文件。

make -C bench -B CUDA_ARCH=90
mkdir -p artifacts
./bench/bin/slime-bench --list-devices

# 先测单张 H100，和本地使用相同范围、尺寸及批大小。
./bench/bin/slime-bench --x 0 --z 0 --radius 64 --size 5 \
  --devices 0 --repeat 3 --output artifacts/h100-one-r64-n5.json

# 再测全部可见 GPU；八卡机器即可使用八张卡。
./bench/bin/slime-bench --x 0 --z 0 --radius 64 --size 5 \
  --devices all --repeat 3 --output artifacts/h100-all-r64-n5.json

也可以指定 --devices 0,1,2,3,4,5,6,7。编号遵循 CUDA_VISIBLE_DEVICES 的可见编号。重复/不存在的设备编号会报错。多卡以动态位置批次分配任务，完整覆盖范围一次，各卡独立缓存类根，结果总数合并；所有 GPU 初始化完成后一起开始计时。实际八卡性能尚未在本机验证。

半径 64 包含 8,321 个锚点，适合先验证环境。正式比较可以在两台机器上使用下面同一套较长参数（半径 512，共 525,313 个锚点）：

./bench/bin/slime-bench --x 0 --z 0 --radius 512 --size 5 \
  --position-batch 128 --devices all --repeat 3 --output artifacts/benchmark-r512-n5.json

若八卡上仍耗时太短，可同时增大半径。--repeat 3 是完整扫描三遍，不是只跑三次 kernel。默认无额外隐藏预热；第一轮包含首次 kernel/JIT 开销，报告保留每一轮数据。

范围与搜索口径

abs(anchor_x - x) + abs(anchor_z - z) <= radius
锚点数量 = 1 + 2*radius*(radius+1)

• x,z,radius 的单位都是区块，不是方块。
• 锚点是图案最小 X、最小 Z 的角；图案沿 +X,+Z 延伸。自定义图案的锚点是外接矩形的角。
• 半径限制锚点，图案允许超出菱形范围。
• 不自动按世界边界裁剪；锚点和整块图案须在 int32 坐标范围内，否则报错。
• --size 支持 1～6，默认 5。小尺寸匹配种子极多，全种子计数也可能耗时很久，不能用 1×1 推断 5×5 性能。
• 遍历所有有效低 48 位种子的普通候选分支。沿用低位筛选、16 候选组 mask、区间求交、精确 Java 验证，不包含拒绝重抽补扫。
• 返回的种子是 [0,2^48) 内的有效代表；不重复枚举高 16 位等价的 64 位世界种子。

这是范围基准 CLI，不提供全世界长跑的断点续跑。Ctrl+C 可终止，未完成扫描不会输出成功报告。

参数及输出

./bench/bin/slime-bench --help

# 不使用 GPU，只检查输入范围
./bench/bin/slime-bench --x 51069 --z 419124 --radius 2 --size 5 --dry-run

# 已知位置验证：应该得到 24 个种子
./bench/bin/slime-bench --x 51069 --z 419124 --radius 0 --size 5 \
  --max-results 100 --repeat 3 --output artifacts/known.json

本文示例均从项目根目录运行，输出前请先执行 mkdir -p artifacts。日常跑分写入已忽略的 artifacts/；results/ 只保存需要长期引用的基准样例。

JSON 输出到 stdout，状态/约每 5 秒进度输出到 stderr；--output 同时保存 JSON，已有文件会报错以免覆盖。默认只计数；--max-results N 最多保留 N 个示例三元组 [seed48,chunk_x,chunk_z]，不提前停止扫描。示例顺序受 GPU 调度影响，不能按示例子集或其顺序对比性能/正确性。sample_truncated 表示有命中没有保存在示例中，matches 始终是完整计数；整数计数溢出会失败。

主要计时字段：

字段	含义
rounds[].elapsed_ms	本轮启动工作线程、设备初始化/分配、完整扫描及资源清理的墙钟时间
rounds[].scan_wall_ms	所有 GPU 就绪后，从最早开始扫描到最后完成的墙钟时间，含本轮分组、根生成、传输、展开、搜索、结果回传
median_scan_wall_ms	各轮 scan_wall_ms 的中位数，适合本地与服务器比较
rounds[].anchors_per_second	实际锚点数 / 扫描墙钟秒数
gpus[].root_stage_ms	该 GPU 工作线程的代表类构造、根筛选、回传、整理及缓存耗时
gpus[].search_stage_ms	该线程的根任务上传、公共项准备、成组搜索和命中回传耗时
gpus[].scan_ms	该线程完整扫描耗时；还包含以上两阶段外的调度、具体位置构造等工作

多卡阶段时间相互重叠，不要把八卡 scan_ms 相加当作完成时间。比较相同的中心、半径、尺寸和批大小；位置根分布差异很大，单个已知命中点不适合代表全世界平均吞吐。

可调批参数：

• --position-batch 32：每个动态任务最多 32 个锚点，支持 1～256。
• --job-batch 2048：每次搜索最多 2048 个低位根任务，支持 1～65536。
• --cache-classes 4096：每卡缓存的坐标类数量，0 禁用；另限制最多约 1,048,576 个缓存根，FIFO 淘汰。每轮清空缓存，避免重复测量只跑缓存命中。

按坐标类归一化并只构造有根类的具体位置。此 CLI 使用有限缓存、按曼哈顿行顺序调度；不是此前设想的全世界按类遍历计划。小半径下通常没有重复类，所以测到的根生成费用是真实费用，不会按假设将其省略。半径范围的实测吞吐不能直接替代此前约 50 天的全世界类复用搜索阶段外推。

检查

make -C bench test       # 无需 GPU：范围、输入、可变尺寸数学对照
make -C bench test-gpu   # 需要 GPU：实际搜索与文件输出验证

验证内容包括：自定义图案解析和边界、稀疏图案高位枚举对照、带忽略格及非史莱姆格的 GPU 结果与独立 Java 算法筛选对照，以及半径 0～64 的完整菱形枚举，较大半径抽样，1～6 中多个尺寸的组 mask 对照，已知 24 个命中，小根批分拆一致性，4×4 的全部 422 个示例经独立 Java 算法验证，6×6 的已知种子子集对照，以及半径 2 批量结果与全部 13 个位置分别搜索的完整列表一致。

本机实测：RTX 3060 Laptop，中心 (0,0)，半径 512，5×5，--position-batch 128 --repeat 3。525,313 个锚点，三轮均有 368,935 个低位根任务、0 个命中，扫描墙钟中位数约 3.990 秒。原始 JSON 在 results/local-r512-n5.json。另有半径 64 的快速环境验证记录；其批大小为默认 32，与上述正式样例不同。

H100 的 sm_90 原生代码和 PTX 已在本机交叉编译通过，尚未在 H100 或八张物理 GPU 上执行。