PulseAugur
中
实时 12:55:53
English(EN) HLS-Seek: QoR-Aware Code Generation for High-Level Synthesis via Proxy Comparative Reward Reinforcement Learning

HLS-Seek 使用强化学习生成优先考虑性能的硬件描述

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 HLS-Seek，一个用于从自然语言生成硬件描述的新框架，该框架优先考虑结果质量（QoR），如延迟和资源利用率。与以往只关注功能正确性的方法不同，HLS-Seek 采用了一种通过强化学习训练的代理比较奖励模型，在预测最佳硬件配置方面实现了高精度。与现有前沿模型在 HLS 特定基准测试上的表现相比，这种方法显著加快了训练速度，并实现了更低的延迟和更好的资源利用率。 AI

影响 通过人工智能引入了一种优化硬件设计的新方法，有望加速芯片开发并提高效率。

排序理由 发布了一篇详细介绍代码生成新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

HLS-Seek 使用强化学习生成优先考虑性能的硬件描述

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · WengFai Wong ·

    HLS-Seek：通过代理对比奖励强化学习实现面向质量（QoR）的代码生成以用于高层次综合

    High-Level Synthesis (HLS) compiles algorithmic C/C++ descriptions into hardware, with Quality of Results (QoR) -- latency and resource utilization -- critically governed by pragma configurations and code structure. Existing LLM-based HLS approaches train for functional correctne…

相关实体

相关话题