研究人员开发了GRODE-RTL,这是一种新颖的表示方法,旨在提高大型语言模型(LLM)修复寄存器传输级(RTL)代码中错误的能力。该方法侧重于提取可疑寄存器的相关扇入锥,将网表节点映射回源行,并将它们组织成依赖视图。使用DeepSeek-V4 Flash、GLM-5.2和MiniMax-M3这三种LLM进行的评估显示,修复准确性有了显著提高,特别是对于非局部故障,其性能优于标准的源级探索。 AI
影响 通过提高识别和修复复杂代码错误的能力,增强了LLM在硬件设计中的能力。
排序理由 该集群包含一篇研究论文,详细介绍了LLM驱动的RTL修复的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.MA (Multiagent) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →