arXiv 人工智能· Koki Takeshita, Kenji Uebayashi, Hikaru Tomonari, Masaya Tsunokake, Koichiro Yawata, Tatsuya Sasaki, Yusuke Ohtsubo, Kota Dohi, Yasuhiro Sogawa·· 3 小时前AI 评分41
基于大语言模型多目标强化学习的帕累托最优 RTL 代码生成
Pareto-Optimal RTL Code Generation via Multi-Objective Reinforcement Learning with Large Language Models
AI 导读
研究人员首次提出一种面向大语言模型电路生成的强化学习方法，通过多目标优化直接提升 PPA 目标空间中候选电路集的整体质量与多样性。该方法包含将帕累托解集覆盖转化为序列生成的训练流水线，以及基于超体积贡献（HVC）的奖励函数。在 RTLLM v2 基准测试中，该方法相对超体积指标比无 PPA 优化基线高出 13.3 个百分点，比单目标强化学习高出 14.4 个百分点。
来源：arXiv 人工智能 · arxiv.org