ИССЛЕДОВАНИЕ · RESEARCH · #2334
Многоцелевой RL обеспечивает парето-оптимальную генерацию RTL-кода с помощью LLM
В статье (arXiv:2610.26904v1) предложен метод многоцелевого обучения с подкреплением для генерации RTL с помощью LLM, нацеленный на покрытие множества Парето по показателям PPA (энергопотребление, производительность, площадь). Метод включает генеративную обучающую схему и функцию вознаграждения на основе вклада в гиперобъем (HVC); на бенчмарке RTLLM v2 он повышает относительный гиперобъем на +13.3 процентных пункта по сравнению с базой без PPA-оптимизации и на +14.4 пункта по сравнению с одноцелевым RL, одновременно улучшая разнообразие схем.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- В статье (arXiv:2610.26904v1) предложен метод многоцелевого обучения с подкреплением для генерации RTL с помощью LLM, нацеленный на покрытие множества Парето по показателям PPA (энергопотребление, производительность, площадь).
- Метод включает генеративную обучающую схему и функцию вознаграждения на основе вклада в гиперобъем (HVC); на бенчмарке RTLLM v2 он повышает относительный гиперобъем на +13.3 процентных пункта по сравнению с базой без PPA-оптимизации и на +14.4 пункта по сравнению с одноцелевым RL, одновременно улучшая разнообразие схем.
- Оптимизация множества Парето (через HVC) даёт разнообразный и качественный набор вариантов по компромиссам PPA, что важно для практической разработки аппаратуры.
ПОЧЕМУ ЭТО ВАЖНО
Оптимизация множества Парето (через HVC) даёт разнообразный и качественный набор вариантов по компромиссам PPA, что важно для практической разработки аппаратуры.