- 1
- 0
- 约4.08万字
- 约 9页
- 2026-03-09 发布于北京
- 举报
AutoEDA:通过基于微服务的LLM代理实现
EDA流程自动化
11112211
YiyiLu,HoiIanAu,JunyaoZhang,JingyuPan,YitingWang,AngLi,JianyiZhang,YiranChen
12
DukeUniversity,UniversityofMaryland,CollegePark
摘要—现代电子设计自动化(EDA)工作流程,特别是RTL
到GDSII的工作流,需要大量的手动脚本编写,并且展示出多种
工具特定的交互方式,这限制了其可扩展性和效率。虽然LLMsUserNaturalDataRequest
Language
为自动化带来了进步,但现有的LLM解决方案需要昂贵的微调,
并且没有包含标准集成和评估框架。我们介绍了自动EDA,这是
一个利用ModelContextProtocol(MCP)进行并行学习的
EDA自动化框架,旨在在整个RTL到GDSII工作流中实现标LLMAgent
LLM
本MCP
译准化和可扩展性的自然语言体验。自动EDA通过结构化的提示工
程限制微调,实现了智能参数提取和任务分解,并提供了一个扩
中展现有的CodeBLEU指标来评估TCL脚本的质量。在五个先Server
1前精选的基准上进行的实验结果表明,在与现有方法相比时,自RawTCL
v
2动化准确性和效率以及脚本质量有所提高。自动EDA已开源发布,
OptimizedTCL
1以支持可重复性并促进EDA社区的发展。可用地址:自动EDA
0DesignCompilerDesignCompiler
IndexTerms—电子设计自动化(EDA),模型上下文协议/Innovus/Innovus
1
0.(MCP),大型语言模型,基准测试PassedFailed
8
0I.介绍ResultsNoOutput
5
2现代的电子设计自动化(EDA)包括一套用于集成
:
v电路(IC)的设计、分析和验证的软件工具。EDA流程中图1:基于代理控制的微服务EDA管道概述。用户的自然语言
i需求首先由一个大型语言模型代理进行解析,该代理执行任务分
x最复杂的组件之一是RTL到GDSII过程中综合与物理
r解,然后调用每个微服务(综合、布局、CTS和布线)以驱动完
a设计阶段,涉及大量的程序和高度可配置的参数[1],[2],
您可能关注的文档
- HyClone: 桥接 LLM 理解与动态执行以实现语义代码克隆检测.pdf
- 使用混合深度学习模型对脑肿瘤进行分类.pdf
- UEChecker:通过图分析检测 DApp 中的未检查外部调用漏洞.pdf
- SBP-YOLO: 一种用于检测减速带和坑洞的轻量级实时模型.pdf
- StyleSentinel: 通过风格指纹实现可靠的艺术版权验证.pdf
- AffectGPT-R1:利用强化学习进行开放词汇情感识别.pdf
- GMAT: 基于多智能体的临床描述生成以供文本编码器在视觉语言 MIL 中用于全幻灯片图像分类.pdf
- 关于宽带 ODDM 系统中多普勒斜视的特征与评估.pdf
- ModelNet40-E:一个面向点云分类的不确定性感知基准测试.pdf
- 通过对抗引导课程采样增强基于扩散的数据集蒸馏.pdf
原创力文档

文档评论(0)