arXiv cs.AI· Minxing Chu, Anhang Li, Martins Atilla, Ruichen Qi, Mehdi Saligane·· 13 小时前AI 评分34
模拟版图生成器背后的代码：用 AI 智能体为 gLayout 编写生成器
The Code Behind the Layout: AI Agents for Analog Layout Generators
AI 导读
在 SKY130 上对 gLayout 的受控实验显示，让 LLM 直接绘制模拟版图的主要障碍是时间与 token 成本，而基于生成器框架的最大优势是可复用性。模型最有效的用法是针对设计意图所属版图族的生成器源码进行开发，并在最可能失败的族成员上验证每次编辑，使一次验证过的修改改进该生成器产出的所有版图。这些族测试结果还可作为本地模型的监督信号，以极低的推理成本学会跨族通用的编辑。
正文 · AI 翻译
摘要：模拟版图设计在很大程度上仍依赖人工，难以自动化。gLayout 等生成器框架将版图表达为程序，通过参数化、感知设计规则的生成器产出布局；然而，编写这类生成器仍需专家投入。大语言模型（LLM）如今已能编写生成器代码，前沿模型甚至能根据设计意图绘制版图几何图形。这引出了一个实际问题：如果模型本身就能绘制版图，生成器框架还能贡献什么？让这些模型基于生成器框架工作，是否优于让它们从零开始绘制版图？通过在 SKY130 上对 gLayout 进行受控实验，我们发现直接绘制版图的主要障碍是时间与 token 成本，而模型基于生成器框架构建的主要优势是可复用性。其经过验证的图元使每次模型编辑都足够小、便于检查，其参数则允许一次编辑即可在整个版图族上评估。因此，当模型从设计意图所属版图族的生成器源码出发来开发版图，并在最可能失败的族成员上测试每次编辑时，模型最为高效，这样一次经过验证的修改就能改进该生成器产出的每一个版图。这些族测试的结果随后可作为本地模型的监督信号，使其以极低的推理成本学会在整个版图族中成立的编辑。
| 学科： | 硬件架构（cs.AR）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.38426 [cs.AR] |
| （或 arXiv:2610.38426v1 [cs.AR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.38426 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Minxing Chu [查看邮箱]
[v1]
2026年10月28日 星期三 08:10:12 UTC（242 KB）
来源：arXiv cs.AI · arxiv.org