PulseAugur
中
实时 07:48:00
English(EN) RTLCurator: Label-Efficient Data Curation for RTL Generation

新的 RTLCurator 方法改进了用于 RTL 代码生成的 LLM 训练数据

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 RTLCurator，一种用于策展用于训练大型语言模型以进行寄存器传输级 (RTL) 代码生成的模型的新方法。现有数据集通常存在正确性不足的问题，很大一部分生成的代码未能通过功能测试。RTLCurator 通过学习一个兼容性先验来解决这个问题，该先验考虑了超越简单模拟通过的行为方面，并使用少量经过验证的对来校准过程。这种方法平衡了对齐、表示覆盖率和结构丰富性，即使只保留 80% 的语料库，也能在模型性能上有所提高，优于随机选择或基本的模拟过滤。 AI

影响 提高了硬件设计等专业领域 LLM 训练数据的质量，有望提高代码生成的准确性。

排序理由 该集群描述了一篇详细介绍用于 LLM 训练数据策展的新方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的 RTLCurator 方法改进了用于 RTL 代码生成的 LLM 训练数据

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Siyang Cai, Cangyuan Li, Wenjing Chang, Kun Wang, Haoyu Gao, Yinhe Han, Ying Wang ·

    RTLCurator：用于 RTL 生成的标签高效数据策展

    arXiv:2607.29283v1 Announce Type: cross Abstract: Training large language models (LLMs) to write register-transfer level (RTL) requires large corpora of paired specifications and code, and such data is scarce enough that most public corpora are now synthesized. Synthesis provides…

相关实体

相关话题