PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.27067v1cs.LG

ChipMEM: EDA 에이전트를 위한 검증 기반 메모리

ChipMEM: Verification-Grounded Memory for EDA Agents

대규모 언어 모델(LLM) 기반 에이전트는 합성 및 검증 피드백 하에서 레지스터 전송 수준(RTL) 설계를 생성·수정하기 위해 전자 설계 자동화(EDA) 도구를 사용한다. 최근 방법들은 실행 추적에서 재사용 가능한 스킬을 지식 증류(distillation)하거나 EDA 도구에서 파생된 보상으로 학습하여 이 피드백으로부터 학습한다. 두 방법 모두 일반적으로 해당 경험을 생성한 태스크에서 평가된다. 동일 태스크에 대한 벤치마크 피드백에 반복적으로 접근하면 전이 가능한 재사용 지식을 만드는 것보다 태스크 특화 수정을 보상할 수 있다. 우리는 EDA 에이전트를 위한 검증 기반 메모리 층인 ChipMEM을 제안한다. ChipMEM은 태스크 간 절차적 메모리와 궤적 내 통계적 안내를 결합한다. 절차적 구성요소는 모델 자기 평가에 의존하지 않고, 합성·시뮬레이션 또는 형식(formal) 검사를 통과한 뒤에만 스킬을 증류하여 저장한다. 베이지안 구성요소는 도구 호출 결과에 대한 계층적 Beta 추정을 유지하고, 유사한 오류 조건에서 성공한 복구 전략을 순위화한다. 공통 어댑터는 각 도메인의 도구와 수용 기준을 보존하면서 동일한 메모리 인터페이스를 RTL 최적화 및 테스트벤치 생성 에이전트에 적용한다. 우리는 학습 태스크에서 성능을 측정하고, 학습된 스킬이 보지 못한 태스크로 전이되는지 평가한다. RTLRewriter-Bench에서 일치하는 모델·도구 설정 하에 ChipMEM은 메모리 없을 때 35/54 대비 채점된 54개 설계 중 39개에서 동등성 통과 출력을 낸다. 49개 설계 단축 스위트에서는 평균 면적(area) 개선이 5.66% 대비 8.69%이다. 보류(hold-out) CVDP 태스크에서 고정(frozen) 절차적 라이브러리를 사용한 ChipMEM은 설정당 단일 평가에서 메모리 없을 때 18/20 대비 20/20의 수용 결과를 달성한다.

arXiv:2609.23363v1cs.AI

TicTacBench: 코딩 에이전트의 타이밍 클로저 역량 벤치마킹

TicTacBench: Benchmarking Timing Closure Capabilities of Coding Agents

최근 대규모 언어 모델(LLM)의 발전으로 레지스터 전송 수준(RTL) 설계 및 최적화를 포함한 복잡한 엔지니어링 작업을 수행할 수 있는 코딩 에이전트가 등장했다. 기존 RTL 벤치마크는 생성된 RTL 설계의 기능적 정확성과 성능·전력·면적(PPA)을 주로 평가하며, 에이전트의 타이밍 클로저(timing closure) 능력은 상대적으로 덜 평가된다. 우리는 post-place-and-route(post-PnR) 평가 하에서 RTL 수준 타이밍 클로저에 대한 코딩 에이전트 역량을 평가하기 위해 특별히 설계된 벤치마크 TicTacBench를 제안한다. TicTacBench는 30개의 다양한 과제를 포함하며, 각 과제는 최적이 아닌 RTL 설계, 현실적인 타이밍 제약, 기능 등가 검증, 타이밍 리포트를 제공한다. 8개의 최前沿 LLM으로 구동된 코딩 에이전트에 대해 300회 이상 실행한 결과, 최고의 에이전트조차도 평균적으로 면적-지연 곱(ADP) 7.18% 악화와 에너지-지연 제곱 곱(EDDP) 8.83% 개선과 함께 과제의 53.3%만 타이밍을 클로즈할 수 있었다. 에이전트가 타이밍을 클로즈하지 못하는 이유를 설명하는 공통 실패 범주를 식별한다. 다음으로 표준 타이밍 클로저 절차를 따르도록 에이전트를 안내하고 타이밍 클로저율(Timing Closure Rate)을 9% 향상시키는 새로운 방법 TicTacSkill을 제안한다. 이 결과는 코딩 에이전트가 RTL 설계에서 상당한 진전을 이루었음에도 불구하고, 타이밍 클로저 역량에는 여전히 개선할 여지가 상당함을 시사한다.