May, 2024

大型语言模型（LLM）用于标准单元布局设计优化

PDF
TL;DR提出了一种新颖高效的方法，结合人工设计专家的经验，利用大规模语言模型（LLM）的自然语言和推理能力，以 ReAct 提示为支持，逐步优化细胞布局的性能、功耗和面积（PPA），并调试布线可行性。在 2nm 的顺序标准电池基准上，所提出的方法不仅能够减小平均细胞面积 4.65％，还能够修复布局设计中的可调度性问题。
standard cellsroutability issuesstandard cell design automationppa optimizationdevice clustering
发现论文，激发创造
  • 发挥每一步的价值：基于 LLM 的高质量 RTL 代码生成使用 MCTS

    通过引入蒙特卡罗树搜索，并将其与自动转换器解码算法相结合，以解决现有大型语言模型在寄存器传输级代码生成中遇到的问题，从而实现能够生成可编译、功能正确且功耗性能区域（PPA）优化的代码。经实证评估，我们的技术在 RTL 代码集上通过对细调的语言模型进行评估，相对于仅使用提示的方法，一直能够生成功能正确的代码，并有效解决了朴素大型语言模型的 PPA 非感知缺陷。对于由最先进的大型语言模型（16 位加法器）生成的最大设计，我们的技术可以在延迟面积乘积方面实现 31.8% 的改进。

    Feb, 2024

  • LayoutLLM：利用大型语言模型对版面指令进行调优以提高文档理解能力

    本研究提出了一种基于 LLM / MLLM 的文档理解方法 LayoutLLM，核心是一种专门设计的布局指令调整策略，通过布局感知的预训练和布局感知的监督微调来提高对文档布局的理解和利用，同时使用 LayoutCoT 模块来生成准确答案并提升文档理解的性能。

    Apr, 2024

  • LLM4EDA：电子设计自动化的大型语言模型的新进展

    本文系统研究了大型语言模型在电子设计自动化领域的应用，分类研究了助理聊天机器人、硬件描述语言和脚本生成，以及硬件描述语言验证与分析三个方面，并强调了未来研究方向，重点关注逻辑综合、物理设计、多模态特征提取和电路对齐等领域。

    Dec, 2023

  • RTLLM: 基于大型语言模型的设计 RTL 生成的开源基准

    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

  • 大型语言模型（LLMs）辅助城市环境下的无线网络部署

    利用大型语言模型（LLMs）为六代（6G）无线通信技术引入一种基于强化学习的新框架，该框架在都市环境中通过训练 RL 代理并结合卷积神经网络（CNNs）利用 LLMs 的优势以及减轻其限制，在优化区域覆盖范围的网络部署中表现出色。

    May, 2024

  • 大型语言模型驱动的移动网络课程设计

    本文提出了一种新颖的框架，利用大型语言模型（LLMs）来自动化课程设计，从而增强了强化学习在移动网络中的应用。

    May, 2024

  • 大型语言模型对电力调度的用户导向方法

    传统的优化与调度方案往往只考虑固定的系统要求，而未来的系统将采用用户驱动的方法和个性化服务，致力于实现高质量体验和灵活性。本文首次提出了一种新颖的资源调度架构，通过构建三个大语言模型代理来将任意用户的语音请求转化为资源分配向量。通过针对电动汽车充电的典型语音请求进行测试，结果表明所提出的架构的高效性。

    Jun, 2024

  • 大型语言模型利用形式验证工具进行严谨旅行规划

    提出了一种以大型语言模型为基础的交互规划框架，利用可满足性模理论和 SMT 求解器解决复杂组合优化问题，并在旅行规划领域取得高成功率。

    Apr, 2024

  • 学会高效：在大型语言模型中构建结构化稀疏性

    使用 Learn-To-be-Efficient 算法能够实现大型语言模型的效率提升，通过激活较少神经元来获得更好的稀疏性和性能平衡，取得了较好的结果。

    Feb, 2024

  • 朝着更合理的 AI 规划模型

    这是第一项研究应用大语言模型（LLMs）进行自动规划任务模型空间编辑的工作。我们探索了 AI 规划文献中研究的两种不同类型的模型空间问题，以及 LLM 对这些任务的影响。我们通过实验证明了 LLM 的性能与组合搜索（CS）的对比情况，以及 LLM 作为独立模型空间推理器以及作为与 CS 方法结合的统计信号的双阶段过程的一部分时的性能。我们的实验结果表明，LLM 在未来进一步探索规划任务中的模型空间推理的前景很有希望。

    Nov, 2023