研究人员正在开发新的方法来改进大型语言模型(LLM)在硬件设计中的应用,特别是用于生成寄存器传输级(RTL)代码。一种名为 LLM4RTL 的方法采用工具辅助架构和精炼数据集,以更小的 LLM 实现与 GPT-4o 相媲美的性能。另一项开发 VHDLSuite 引入了一个用于 VHDL 生成的基准和评估框架,突出了将 LLM 应用于这种特定硬件描述语言所面临的挑战。此外,还提出了一种名为 RoSE 的新代理指标,用于在不需要人工测试集的情况下选择最佳的 LLM 合成数据生成器,该指标在识别不同语言和任务的最佳生成器方面显示出潜力。 AI
影响 用于 LLM 在硬件设计和合成数据生成领域应用的新基准和方法有望加速专用 AI 模型和工具的开发。
排序理由 多篇研究论文介绍了将 LLM 应用于硬件描述语言和合成数据生成的新方法和基准。
- GHDL
- LLM
- Verilog
- VHDL
- VHDLBench
- VHDLSuite
- Vunitawarau
- alphaXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- GPT-4o
- Hugging Face
- Jan Cegin
- JRCRC
- large-language models
- LLM4RTL
- RTL+
- ScienceCast
- VerilogEval
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →