PulseAugur
中
实时 08:06:21
实体 RTLReviewBench

RTLReviewBench

PulseAugur coverage of RTLReviewBench — every cluster mentioning RTLReviewBench across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_364263 ·

    新基准测试显示,LLM在区分正确和有缺陷的硬件代码方面存在困难

    一个名为RTLReviewBench的新基准测试已被开发出来,用于评估大型语言模型(LLM)在评审硬件设计代码方面的性能。该基准测试包含114对Verilog模块,每对模块都有相应的规范,其中一个模块是正确的,另一个模块包含一个错误。对12种不同LLM的评估揭示了一个一致的模式:模型在识别有缺陷的代码方面很有效,但经常拒绝正确的代码,导致高比例的误拒绝。研究还发现,指示LLM在给出判断前进行推理可以减少误拒绝,而推理的位置比指令本身更关键。