arXiv cs.AI· Wenxuan Shi, Yaoyu Zhu, Di Huang, Chongxiao Li, Xiaoyun Zhang, Muxin Song, Yutong Wu, Ziyuan Nan, Pengwei Jin, Tian Zhi, Xishan Zhang, Rui Zhang, Xing Hu, Zidong Du, Qi Guo, Yunji Chen·· 1 天前AI 评分31
RTL-Interact：训练可调用 EDA 工具反馈的多任务 RTL 设计模型
RTL-Interact: Training EDA-Interactive Models for Multi-Task RTL Design
AI 导读
RTL-Interact 是一个多任务后训练框架，让单个 RTL 专用模型同时完成 RTL 生成、构建任务适配的 EDA 检查并依据工具反馈修订实现。在 CVDP 上，RTL-Interact-32B 取得 48.7% 加权 Pass@1 和 68.9% Pass@5，超过其教师模型 DeepSeek-V3.2，8B 版本加权 Pass@1 为 44.9%。
正文 · AI 翻译
作者：Wenxuan Shi、Yaoyu Zhu、Di Huang、Chongxiao Li、Xiaoyun Zhang、Muxin Song、Yutong Wu、Ziyuan Nan、Pengwei Jin、Tian Zhi、Xishan Zhang、Rui Zhang、Xing Hu、Zidong Du、Qi Guo、Yunji Chen
摘要：大语言模型为寄存器传输级（RTL）设计提供了一条有前景的路径，但可靠的实现需要基于电子设计自动化（EDA）工具的反馈进行检查与修订。现有的 RTL 专用模型往往缺乏与这类 EDA 工具的学习式交互，或依赖分离的生成与修复组件。我们提出 RTL-Interact，一个多任务后训练框架，训练单个 RTL 专用模型来生成 RTL、构建适合任务的 EDA 检查，并利用工具反馈修订实现。该框架将自动构建的多任务演示与从思维链到工具集成推理的分阶段监督相结合。我们进一步提出用于多任务强化学习的模式感知策略优化（PAPO）。PAPO 在组相对策略优化基础上增加了正确性门控奖励，该奖励偏好简洁的成功检查，同时奖励有效的修订，并使用任务分组以保持各目标的覆盖。在 CVDP 上，RTL-Interact-32B 达到 48.7% 的加权 Pass@1 和 68.9% 的 Pass@5，超过其教师模型 DeepSeek-V3.2，而 RTL-Interact-8B 达到 44.9% 的加权 Pass@1。此外，我们表明 PAPO 可将平均工具调用次数减少 63.8%，同时提升 Pass@1。两个模型在 VerilogEval v2 和 RTLLM v2 上也优于所有 RTL 专用基线，证明了我们方法的有效性。
| 评论： | 正在 ICLR 2027 审稿中 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.41225 [cs.AI] |
| （或本版本的 arXiv:2610.41225v1 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2610.41225 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Wenxuan Shi [查看邮箱]
[v1]
2026年10月30日星期五 04:03:39 UTC（281 KB）
来源：arXiv cs.AI · arxiv.org