Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.04276

帮助 | 高级搜索

计算机科学 > 硬件架构

arXiv:2507.04276 (cs)
[提交于 2025年7月6日 ]

标题: FIXME:面向端到端的LLM辅助设计验证基准测试

标题: FIXME: Towards End-to-End Benchmarking of LLM-Aided Design Verification

Authors:Gwok-Waa Wan, Shengchu Su, Ruihu Wang, Qixiang Chen, Sam-Zaak Wong, Mengnv Xing, Hefei Feng, Yubo Wang, Yinan Zhu, Jingyi Zhang, Jianmin Ye, Xinlai Wan, Tao Ni, Qiang Xu, Nan Guan, Zhe Jiang, Xi Wang, Yang Jun
摘要: 尽管大型语言模型(LLMs)在硬件设计中的变革潜力巨大,但对其在设计验证方面能力的全面评估仍缺乏深入研究。 当前的努力主要集中在RTL生成和基本调试上,忽视了功能验证这一关键领域,由于硬件复杂性的迅速提升,功能验证是现代设计方法的主要瓶颈。 我们提出了FIXME,第一个端到端、多模型和开源的评估框架,用于评估LLM在硬件功能验证(FV)中的性能,以解决这一关键差距。 FIXME引入了一个结构化的三级难度层次,涵盖六个验证子领域和180个多样化的任务,使设计生命周期内的深入分析成为可能。 通过协作的人工智能与人类方法,我们使用100%经过硅验证的设计构建了一个高质量的数据集,确保全面覆盖现实世界中的挑战。 此外,通过专家指导的优化,我们将功能覆盖率提高了45.57%。 通过对最先进的LLMs如GPT-4、Claude3和LlaMA3进行严格评估,我们确定了需要改进的关键领域,并指出了有希望的研究方向,以释放LLM驱动的自动化在硬件设计验证中的全部潜力。 该基准测试可在https://github.com/ChatDesignVerification/FIXME获取。
摘要: Despite the transformative potential of Large Language Models (LLMs) in hardware design, a comprehensive evaluation of their capabilities in design verification remains underexplored. Current efforts predominantly focus on RTL generation and basic debugging, overlooking the critical domain of functional verification, which is the primary bottleneck in modern design methodologies due to the rapid escalation of hardware complexity. We present FIXME, the first end-to-end, multi-model, and open-source evaluation framework for assessing LLM performance in hardware functional verification (FV) to address this crucial gap. FIXME introduces a structured three-level difficulty hierarchy spanning six verification sub-domains and 180 diverse tasks, enabling in-depth analysis across the design lifecycle. Leveraging a collaborative AI-human approach, we construct a high-quality dataset using 100% silicon-proven designs, ensuring comprehensive coverage of real-world challenges. Furthermore, we enhance the functional coverage by 45.57% through expert-guided optimization. By rigorously evaluating state-of-the-art LLMs such as GPT-4, Claude3, and LlaMA3, we identify key areas for improvement and outline promising research directions to unlock the full potential of LLM-driven automation in hardware design verification. The benchmark is available at https://github.com/ChatDesignVerification/FIXME.
主题: 硬件架构 (cs.AR)
引用方式: arXiv:2507.04276 [cs.AR]
  (或者 arXiv:2507.04276v1 [cs.AR] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.04276
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Jianmin Ye [查看电子邮件]
[v1] 星期日, 2025 年 7 月 6 日 07:32:01 UTC (556 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.AR
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号