研究人员开发了CHORUS，一个用于增强硬件验证代码生成的训练后框架。该框架利用分阶段监督微调（SFT）创建多样化的检查点，然后使用密集奖励强化学习（RL）将这些检查点精炼成专门的专家。通过结合这些互补的专家，CHORUS在CVDP-ECov基准测试上显著提高了性能，达到了88.0%的Pass@1。这一结果比规模大得多的DeepSeek-R1模型的性能高出13.5个百分点。 AI
影响 该框架可以提高硬件验证任务代码生成的效率和有效性。
排序理由 该集群描述了一个新的研究框架及其在特定基准测试上的性能。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
