來源:arXiv · cs.AI查看原文 ↗
原文著作權歸來源方所有,本站僅作收錄、翻譯或格式整理。
事實脈絡
解讀與影響
导读摘要
一项名为 VeriTrace 的新型多智能体系统,通过模仿人类工程师的时序探索行为,首次在 VerilogEval-V2 基准测试中实现了 100% 的功能正确率,突破了现有 AI 硬件设计工具的精度瓶颈。
正文
大型语言模型在自动生成 Verilog RTL 代码方面展现了潜力,但即便是最先进的多智能体系统,在标准基准测试上的准确率也长期徘徊在 95% 左右。这一瓶颈的关键在于,现有系统缺乏对硬件设计核心——时序行为的理解。新发表的论文 VeriTrace 指出,先前的 AI 工具如 MAGE 和 VerilogCoder,要么完全不具备信号选择与时序探索能力,要么仅依赖静态的抽象语法树分析,无法像人类工程师那样动态地调试波形、定位故障根源。
该论文已被 ICLAD 2026 接收为长口头报告,其实验结果具有里程碑意义。VeriTrace 在 VerilogEval-V2 上取得了 100% 的 Pass@1 成绩,成为首个在该基准上实现完美功能正确性的系统。这一突破意味着 AI 生成的硬件描述代码无需任何人工修正即可直接通过功能验证,为芯片设计流程的完全自动化扫除了一项关键障碍。研究团队通过对比实验清晰地展示了其方法的有效性,从下表中可以看到,只有 VeriTrace 同时具备了“智能体信号选择”和“智能体时序探索”这两项关键能力。
| 方法 | 智能体信号选择 | 智能体时序探索 | 迭代式 |
|---|---|---|---|
| MAGE | ✗ | ✗ | ✗ |
| VerilogCoder | ✓ (基于AST) | ✗ | ✓ |
| VeriTrace (本文) | ✓ | ✓ | ✓ |
这项研究由马里兰大学等机构合作完成,其成果与当前 AI 智能体在专业领域的深化应用趋势高度契合。正如 OpenAI 与 HSP GRUPPE 的合作 展示了 AI 在税务咨询等知识密集型工作中的潜力,VeriTrace 则证明了在更为复杂的硬件设计领域,通过赋予 AI 更接近人类专家的认知与探索能力,同样可以攻克此前难以逾越的精度天花板。这预示着未来的 EDA 工具将不再仅仅是代码补全器,而是能真正理解设计意图和物理实现的智能协作者。