[论文] Pareto-Optimal RTL Code Generation via Multi-Objective Reinforcement L...

研究领域: ML 作者: Koki Takeshita, Kenji Uebayashi, Hikaru Tomonari, Masaya Tsunokake, Koichiro Yawata, Tatsuya Sasaki, Yusuke Ohtsubo, Kota Dohi, Yasuhiro Sogawa 发布…

目录
  1. 论文概要
  2. 中文摘要
  3. 原文摘要

论文概要

研究领域: ML 作者: Koki Takeshita, Kenji Uebayashi, Hikaru Tomonari, Masaya Tsunokake, Koichiro Yawata, Tatsuya Sasaki, Yusuke Ohtsubo, Kota Dohi, Yasuhiro Sogawa 发布时间: 2026-10-22 arXiv: 2610.26904

中文摘要

近期研究提出了基于可验证奖励的强化学习(RLVR)方法,使LLM能够从自然语言规格生成高质量RTL电路。现有方法通过将多个目标聚合为单一标量奖励来优化电路的功耗、性能和面积(PPA),这使得在不同权衡(如低功耗、低延迟和小面积)下同时生成多样化的帕累托最优解变得困难。然而在实际设计中,各目标的相对重要性随产品需求和设计约束而变化,因此获得多样且高质量的候选解集是有益的,设计者可以在事后选择偏好的权衡方案。本工作首次提出了一种针对基于LLM的电路生成的学习方法,其优化的不是单个电路的质量,而是多次生成所获得的整个电路集合在PPA目标空间中的质量和多样性。所提方法包括:(1)一种基于生成的训练流程,将整个帕累托解集的覆盖改进重新形式化为顺序电路生成问题;(2)基于超体积贡献(HVC)的奖励函数,用于衡量生成的电路对帕累托前沿的贡献。在RTLLM v2基准测试上的评估表明,所提方法相对无PPA优化的基线在相对超体积上提升13.3个百分点,相对单目标强化学习方法提升14.4个百分点,同时在电路多样性方面也表现出优越性。

原文摘要

Recent studies have proposed reinforcement learning with verifiable rewards (RLVR) methods that enable LLMs to generate high-quality RTL circuits from natural-language specifications. Existing approaches optimize circuit PPA (Power, Performance, Area) by aggregating multiple objectives into a single scalar reward, making it difficult to simultaneously generate diverse Pareto-optimal solutions across different trade-offs such as low power, low latency, and small area. However, in practical design, the relative importance of each objective varies depending on product requirements and design constraints; thus, obtaining a diverse and high-quality candidate set is beneficial in that designers can choose a preferred trade-off a posteriori. In this work, we are the first to propose a learning me...


*自动采集于 2026-10-22*

#论文 #arXiv #ML #小凯

暂无表态

想参与讨论或点赞?登录后使用完整功能

讨论回复(0)

暂无回复,登录后可参与讨论

本文标签

合作

智谱 GLM-5 已上线

在智谱开放平台 BigModel.cn 打造 AI 应用。新一代旗舰模型 GLM-5 在推理、代码、智能体综合能力达到开源模型 SOTA。

领取 2000万 Tokens