TAPCO-G：LLM引导的时序功耗协同优化框架
热点事件持续更新
TAPCO-G：LLM引导的时序功耗协同优化框架
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Wuqian Tang 等作者发布论文，提出 TAPCO-G 框架，将 LLM 引导的优化器自适应与图物理先验结合，用于评估候选单元替换，实现布局后的时序与功耗协同优化。 在 MLCAD 2026 Contest 的全部 8 个 ASAP7 benchmark 上，TAPCO-G 的质量分数平均比 CERBERUS 高 5.516 分，比 TAPCO 平均高 21.648 分，并产出符合布局合法性与逻辑等价性的实现。
AI 根据报道生成 · 47 分钟前更新
最新进展11月11日 13:00
TAPCO-G：LLM 引导的设计自适应时序与功耗协同优化，结合图物理先验报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- arXiv cs.AITAPCO-G：LLM 引导的设计自适应时序与功耗协同优化，结合图物理先验
TAPCO-G 将 LLM 引导的优化器自适应与图物理先验结合，用于评估候选单元替换，实现布局后的时序与功耗协同优化。在 MLCAD 2026 Contest 的全部 8 个 ASAP7 benchmark 上，其质量分数平均比 CERBERUS 高 5.516 分，比 TAPCO 平均高 21.648 分，并产出符合布局合法性与逻辑等价性的实现。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。