Kernel Forge优化CUDA内核

Kernel Forge用MCTS探索优化路径，将PyTorch模型原地改写为更快CUDA内核。

推荐理由：14个内核超过PyTorch基线的关键不是更强LLM，而是MCTS、多候选执行验证和原地集成；说明代码Agent在硬约束任务上胜负取决于评测闭环。