ChipGPT：自然语言硬件设计有多远
通过开发 GPT4AIGChip 框架，借助人类自然语言而非特定领域语言，将大型语言模型应用于自动化人工智能加速器设计，以推动下一代基于大型语言模型的设计自动化工具创新。
Sep, 2023
研究人员探讨了使用最新的 LLMS 技术来进行硬件设计所面临的挑战与机遇，并使用代表性基准套件对其进行了全面的测试和评估，最终实现了全球首个完全由人工智能编写的硬件描述语言。
May, 2023
LLMs like GPT-4 show exceptional cross-domain understanding and reasoning for embedded systems development, producing fully correct programs, functional interfaces, register-level drivers, code for LoRa communication, and context-specific power optimizations, resulting in improved productivity and success rate using an AI workflow.
Jul, 2023
探索使用大型语言模型（LLMs）自动生成硬件描述代码的潜力，以支持和增强高效的神经形态计算架构的开发，并通过三个案例研究验证其可行性和实施性。
May, 2024
利用 ChatGPT4 进行自然语言驱动的硬件设计，生成适用于可编程脉冲神经阵列集成电路的可综合和功能性 Verilog 描述，并使用手工测试台验证，已提交通过 Tiny Tapeout 5 的开源 EDA 流程在 Skywater 130nm 中进行制造。
Jan, 2024
我们通过实证分析了 ChatGPT 在无人辅助编程助手方面的潜力，并强调了其相对程序生成、程序修复、代码摘要方面的表现，并对其在常见编程问题上的表现进行了评估，这证明 ChatGPT 有效地处理典型的编程挑战，但我们也发现，综合的描述可能会限制 ChatGPT 的关注点并阻碍其利用其广泛的知识进行问题解决。
Apr, 2023
我们提出了一个名为 RTLLM 的开源基准，用于生成具有自然语言指令的设计 RTL，并使用一个名为 self-planning 的易于使用但效果显著的提示工程技术来提高 GPT-3.5 在我们提出的基准中的性能。
Aug, 2023
使用自然语言作为一种新的编程语言来描述任务过程，让其易于被人类和 LMMs 理解，并进一步借助 Learning to Program (LP) 方法通过学习来自训练集中的自然语言程序，优化复杂任务的问题解决能力，该方法在 AMPS 和数学两个数据集上的有效性得到验证，证明其性能超过直接零样本测试表现 18.3%。
Apr, 2023
本文介绍了如何利用大型语言模型 (LLMs) 和尤其是 ChatGPT 进行编程、源代码分析和代码生成，研究了 LLMs 和 ChatGPT 在代码创建、代码文档化、漏洞检测、重构等多个领域中的应用，并指出它们在编程社区中的使用有望得到进一步推广。
Jun, 2023