RTL設計における自動化マルチエージェントワークフロー
なぜ重要か: 企業や社会への影響が見込まれ、一般メディアにも波及する可能性があります。
arXiv:2509.20182v1発表タイプ：クロス
要約：エージェント型AIワークフローの台頭は、コンピュータシステムの設計と最適化に新たな機会をもたらします。しかし、プログラム合成のような専門分野では、一般的なプログラミングタスクと比較してHDLや独自のEDAリソースのオンラインでの供給が相対的に少ないため、課題が生じ、多くの場合、タスク固有のファインチューニング、高推論コスト、手動によるエージェントオーケストレーションが必要となります。本研究では、RTLコード生成のためのエージェント型ワークフローを自動的に構成するように設計された、マルチエージェントフレームワークであるVeriMaASを紹介します。私たちの主要な洞察は、HDLツールからの形式検証フィードバックをワークフロー生成に直接統合することで、勾配ベースの更新や長時間の推論トレースのコストを削減することです。私たちの方法は、ファインチューニングされたベースラインに対してpass@kで5～7％合成性能を向上させながら、わずか数百の訓練例のみを必要とし、これは教師あり学習コストを桁違いに削減することを意味します。
原文（英語）を表示
Title (EN): Automated Multi-Agent Workflows for RTL Design
arXiv:2509.20182v1 Announce Type: cross
Abstract: The rise of agentic AI workflows unlocks novel opportunities for computer systems design and optimization. However, for specialized domains such as program synthesis, the relative scarcity of HDL and proprietary EDA resources online compared to more common programming tasks introduces challenges, often necessitating task-specific fine-tuning, high inference costs, and manually-crafted agent orchestration. In this work, we present VeriMaAS, a multi-agent framework designed to automatically compose agentic workflows for RTL code generation. Our key insight is to integrate formal verification feedback from HDL tools directly into workflow generation, reducing the cost of gradient-based updates or prolonged reasoning traces. Our method improves synthesis performance by 5-7% for pass@k over fine-tuned baselines, while requiring only a few hundred training examples, representing an order-of-magnitude reduction in supervision cost.
Published: 2025-09-24 19:00 UTC