一项新的研究论文探讨了大型语言模型（LLMs）在硬件设计中的局限性，特别是在将顺序编程知识转化为寄存器传输级（RTL）编码所需的并行逻辑方面。该研究引入了一种新颖的错误分类法，将失败分为语法、语义、可解功能和不可解功能类型。研究结果表明，即使是先进的模型在 VerilogEval 基准测试上也达到了经验上限，不可解的功能性错误阻碍了更高的通过率。研究表明，当前的对齐技术主要教会模型编译代码，虽然采样可以修复可解的错误，但真正的 RTL 编码能力受到预训练知识的限制，因此需要关注模型的推理能力而非对齐干预。 AI
影响 凸显了大型语言模型在硬件设计等专业领域推理能力的局限性，表明需要改进模型架构和训练。
排序理由 学术论文，详细介绍了关于大型语言模型能力和局限性的新发现。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
