arXiv cs.AI· Dunzhi Zhou, Chengyu Zhu, Gang Qiu, Caiwen Ding·· 10 天前AI 评分24
2D-FET-Bench V2：从空间推理到二维薄片 FET 版图设计
2d-fet-bench: from spatial reasoning to fet design on flakes
AI 导读
2D-FET-Bench V2 是一个包含 128 个版图任务的基准，用于测试语言模型智能体能否根据显微图像提取的薄片轮廓完成 FET 版图构建，任务提供文本器件规格与轮廓坐标，智能体生成可渲染为 GDSII 的多边形与路径操作。
正文 · AI 翻译
摘要：剥离二维薄片上的场效应晶体管（FET）版图通常需要针对每个薄片手工绘制，根据其在光学显微图像中的位置和轮廓来放置接触和栅极。据我们所知，尚无可执行的基准测试来检验语言模型智能体能否可靠地完成这种针对特定薄片的构建。我们提出 2D-FET-Bench V2，这是一个包含 128 个版图任务的基准，任务基于显微图像导出的薄片轮廓构建，包括含孔洞的薄片和多薄片任务。每个任务提供文本形式的器件规格和轮廓坐标。智能体生成带类型的多边形和路径操作，并渲染为 GDSII。确定性验证器检查几何和结构要求，另有独立的完整性检查验证所提供的轮廓保持不变。脚本化参考版图通过全部 128 个任务，表明每个任务均可求解。我们评估了六个模型以及 GPT5.6-Luna 的七种工作流和脚手架变体，每个任务尝试五次。六模型面板中表现最佳的配置 GPT5.6-Luna 搭配 ReAct-3 通过 62.3% 的尝试，至少一次解决 80.5% 的任务（覆盖率），并在全部五次尝试中解决 43.8% 的任务（一致性）。ReAct-3 比单次 Plan-and-Execute 高出 27.0 个 pass@1 百分点，token 用量为 2.46 倍。对每个已覆盖任务中一个通过验证器的抽样版图进行专家审核，涵盖五种 ReAct-3 配置，接受率为 56.4% 至 63.5%。该基准评估几何和结构层面的 FET 版图构建。
| 学科： | 人工智能（cs.AI）；介观与纳米尺度物理（cond-mat.mes-hall）；材料科学（cond-mat.mtrl-sci） |
| 引用为： | arXiv:2610.07423 [cs.AI] |
| （或 arXiv:2610.07423v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.07423 arXiv 颁发的 DOI，经由 DataCite（待注册） |
提交历史
来自：Dunzhi Zhou [查看电子邮件]
[v1]
2026年10月5日星期一 21:30:25 UTC（386 KB）
来源：arXiv cs.AI · arxiv.org