跳到正文
arXiv cs.AI· Jiarui Cui, Boxun Yan·· 10 小时前AI 评分31

RFBench:面向无源射频版图设计与理解的多模态仿真基准

RFBench: A Simulator-Grounded Multimodal Benchmark for Passive RF Layout Design and Understanding

AI 导读

研究者推出 RFBench,一个基于 ADS Momentum 仿真的无源射频版图设计与理解多模态基准,含 10,000 个双端口平面版图,每个版图提供可编辑几何图元、栅格图像、16x16 占用栅格、201 个频点的复数 S 参数及结构类别与响应标签。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:尽管多模态语言模型能够解读图表并生成结构化输出,但其在连接无源射频(RF)设计意图、版图几何与电磁行为方面的能力仍基本未经检验。为填补这一空白,我们推出 RFBench,一个基于仿真器的数据集与基准,用于无源 RF 版图设计与理解。该数据集包含 10,000 个使用 ADS Momentum 仿真的双端口平面版图,每个版图由可编辑的几何图元、栅格图像、16x16 占用网格、201 个频点上的复数 S 参数、结构类别以及 RF 响应标签表示。基于这些对齐的表示,我们定义了七项任务,涵盖以规格为条件的版图生成、表示转换、响应预测、基于仿真器的验证、设计诊断与改进、结构理解以及响应分类。在七个多模态语言模型上的广泛基线实验揭示了其在生成结构有效的版图以及预测电磁上忠实的响应方面存在系统性弱点。我们表明,RF 专用微调将 T1a 结构有效率从 0.0% 提升至 83.2%,并将 T3 图元输入在 2 dB 以内的比率从 17.7% 提升至 62.8%,证明了领域适应的价值,同时仍留有相当大的进一步改进空间。RFBench 建立了一个通用测试平台,用于评估多模态 RF 能力,并指导开发将设计意图和版图表示与物理行为相连接的模型。
评论: 29 页,4 幅图。代码:此 https URL 。数据:此 https URL
主题: 人工智能(cs.AI);计算机视觉与模式识别(cs.CV);机器学习(cs.LG)
引用为: arXiv:2611.23410 [cs.AI]
  (或 arXiv:2611.23410v1 [cs.AI] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.23410

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Jiarui Cui [查看电子邮件]
[v1] 2026 年 11 月 17 日星期二 19:10:14 UTC(797 KB)

来源:arXiv cs.AI · arxiv.org