arXiv 人工智能· Wenxuan Shi, Yaoyu Zhu, Di Huang, Chongxiao Li, Xiaoyun Zhang, Muxin Song, Yutong Wu, Ziyuan Nan, Pengwei Jin, Tian Zhi, Xishan Zhang, Rui Zhang, Xing Hu, Zidong Du, Qi Guo, Yunji Chen·· 10 小时前AI 评分43
RTL-Interact：面向多任务 RTL 设计训练 EDA 交互模型
RTL-Interact: Training EDA-Interactive Models for Multi-Task RTL Design
AI 导读
研究团队提出多任务后训练框架 RTL-Interact，通过单一模型实现 RTL 生成、EDA 检查构建与基于工具反馈的代码修正。搭配强化学习算法 PAPO，RTL-Interact-32B 在 CVDP 基准上取得 48.7% 加权 Pass@1 和 68.9% Pass@5，超越教师模型 DeepSeek-V3.2，并将平均工具调用减少 63.8%。
来源：arXiv 人工智能 · arxiv.org