arXiv cs.AI· Wenji Fang, Yao Lu, Jinghua Wang, Zhiyao Xie·· 10 小时前AI 评分38
面向自主 RTL 与综合优化：基准测试与自改进智能体
Toward Autonomous RTL and Synthesis Optimization: Benchmarking and Self-Improving Agents
AI 导读
研究提出 Dr. RTL 多智能体框架，自动完成关键路径分析、RTL 重写与实现级评估，并通过可复用优化技能持续自我改进。在 20 个真实 RTL 设计上，Dr. RTL 相比商用综合实现平均 WNS/TNS 提升 21%/17%，面积减少 6%。论文同时讨论基于参考与开放式的 RTL 优化基准，以及智能体驱动的综合脚本调优与可执行综合算法发现。
正文 · AI 翻译
摘要：大语言模型（LLM）与自主智能体的最新进展正在为硬件设计优化创造新的机遇。本文探讨了通向自主 RTL 与综合优化的三个相互关联的方向：(1) 贴近实际的基准测试。我们讨论了基于参考和开放式的 RTL 优化基准，它们在贴近实际的 EDA 工作流下评估优化机会。(2) 基于工具的 RTL 优化。我们提出了 Dr. RTL，一个多智能体框架，可自动化关键路径分析、RTL 重写和实现级评估，同时通过可复用的优化技能持续改进。在 20 个真实 RTL 设计上评估，Dr.~RTL 相比商用综合平均实现 WNS/TNS 提升 21\%/17\%，面积减少 6\%。(3) 面向特定设计的综合优化。我们探索了智能体驱动的综合脚本调优，以及在中间表示、工艺无关优化和工艺映射中发现可执行的综合算法。最后，我们展望了 AI 原生设计自动化，它在验证约束和实现反馈的引导下，联合探索架构、RTL 和 EDA 算法设计空间。
| 评论： | ASP-DAC'27 特邀论文 |
| 主题： | 人工智能（cs.AI）；硬件架构（cs.AR） |
| 引用为： | arXiv:2611.13713 [cs.AI] |
| （或本版本的 arXiv:2611.13713v1 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2611.13713 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Wenji Fang [查看邮箱]
[v1]
2026年11月10日 星期二 08:07:31 UTC（7,748 KB）
来源：arXiv cs.AI · arxiv.org