arXiv cs.AI· Saeid Rajabi, Aly Moussa, Vishal Saxena, Chengmo Yang, Satwik Patnaik·· 12 小时前AI 评分31
AnalogPortBench：评测 LLM 模拟电路移植能力的基准
AnalogPortBench: Benchmarking LLMs on Analog Circuit Porting
AI 导读
研究者推出 AnalogPortBench，包含 54 个任务，将十种电路（从电流镜到伸缩式放大器）从 0.18 μm 工艺移植到开源 SKY130 PDK。评测六个前沿 LLM 在两种推理水平、有无仿真反馈下的表现，发现模型能移植简单电路，但很少重新设计对电压余量敏感的放大器，也极少识别不可行规格，且从仿真反馈中获益多于增加采样或推理。代码与数据已公开。
正文 · AI 翻译
摘要：模拟电路设计仍然高度依赖专家知识，而将经过验证的设计移植到新的工艺节点是一个反复出现的瓶颈。由于更低的电源电压减少了可用的电压余量，原本可用的拓扑结构可能需要重新设计，或者无法满足规格要求。虽然大语言模型（LLM）已经开始生成和优化模拟电路，但现有的基准测试只关注单一工艺节点，并假设规格是可行的。为弥补这一空白，我们推出了 AnalogPortBench，这是一个包含 54 项任务的基准测试，用于将十种电路（从电流镜到伸缩式放大器）从 0.18 $\mu$m 工艺移植到开源 SKY130 PDK。任务范围从直接移植，到降低电源电压并采用更严格的规格，再到不可行的规格；每个可行任务都有一个在五个工艺角下验证过的参考设计。我们在两种推理水平下评估了六个前沿 LLM，并分别在有和没有仿真反馈的情况下进行，结果发现：模型能够移植简单电路，但很少重新设计对余量敏感的放大器，也很少识别出不可行的规格，并且从仿真反馈中获得的收益多于从更多样本或推理中获得的收益。代码和数据可在 此 https URL 获取。
| 注释： | 5 页，3 幅图，4 张表 代码和数据：此 https URL |
| 主题： | 硬件架构（cs.AR）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.33088 [cs.AR] |
| （或 arXiv:2610.33088v1 [cs.AR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.33088 arXiv 颁发的 DOI（通过 DataCite） |
提交历史
来自：Saeid Rajabi [查看电子邮件]
[v1]
2026 年 10 月 21 日星期三 20:45:51 UTC（275 KB）
来源：arXiv cs.AI · arxiv.org