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:2507.04736

帮助 | 高级搜索

计算机科学 > 人工智能

arXiv:2507.04736 (cs)
[提交于 2025年7月7日 ]

标题: ChipSeek-R1:通过分层奖励驱动强化学习生成超越人类的RTL

标题: ChipSeek-R1: Generating Human-Surpassing RTL with LLM via Hierarchical Reward-Driven Reinforcement Learning

Authors:Zhirong Chen, Kaiyan Chang, Zhuolin Li, Xinyang He, Chujie Chen, Cangyuan Li, Mengdi Wang, Haobo Xu, Yinhe Han, Ying Wang
摘要: 大型语言模型(LLMs)在自动化寄存器传输级(RTL)代码生成方面展现出显著的潜力。 然而,当前的方法面临一个关键挑战:它们无法同时优化功能正确性和硬件质量(功耗、性能、面积 - PPA)。 基于监督微调的方法通常生成功能正确但PPA次优的代码,缺乏学习优化原则的机制。 相比之下,试图在生成后改进PPA指标的后处理技术通常效率低下,因为它们在不更新LLM参数的情况下外部运行,从而无法提升模型的内在设计能力。 为了弥补这一差距,我们引入了ChipSeek-R1,这是一种分层奖励驱动的强化学习框架,用于训练LLMs生成同时实现功能正确性和优化PPA指标的RTL代码。 ChipSeek-R1采用分层奖励系统,在强化学习过程中结合对语法、功能正确性(来自仿真器)和PPA指标(来自综合工具)的直接反馈。 这使得模型能够通过试错学习复杂的硬件设计权衡,生成既功能正确又PPA优化的RTL代码。 在标准基准测试(VerilogEval,RTLLM)上评估ChipSeek-R1,我们在功能正确性方面取得了最先进的结果。 值得注意的是,在RTLLM基准测试中,ChipSeek-R1生成的27个RTL设计在PPA指标上超过了原始人工编写的代码。 我们的研究结果证明了将工具链反馈整合到LLM训练中的有效性,并突显了强化学习在实现超越人类的RTL代码自动生成方面的潜力。 我们将在匿名GitHub上开源我们的代码。
摘要: Large Language Models (LLMs) show significant potential for automating Register-Transfer Level (RTL) code generation. However, current approaches face a critical challenge: they can not simultaneously optimize for functional correctness and hardware quality (Power, Performance, Area - PPA). Methods based on supervised fine-tuning often generate functionally correct but PPA-suboptimal code, lacking mechanisms to learn optimization principles. In contrast, post-processing techniques that attempt to improve PPA metrics after generation are often inefficient because they operate externally without updating the LLM's parameters, thus failing to enhance the model's intrinsic design capabilities. To bridge this gap, we introduce ChipSeek-R1, a hierarchical reward-driven reinforcement learning framework to train LLMs to generate RTL code that achieves both functional correctness and optimized PPA metrics. ChipSeek-R1 employs a hierarchical reward system, which incorporates direct feedback on syntax, functional correctness (from simulators) and PPA metrics (from synthesis tools) during reinforcement learning. This enables the model to learn complex hardware design trade-offs via trial-and-error, generating RTL code that is both functionally correct and PPA-optimized. Evaluating ChipSeek-R1 on standard benchmarks (VerilogEval, RTLLM), we achieve state-of-the-art results in functional correctness. Notably, on the RTLLM benchmark, ChipSeek-R1 generated 27 RTL designs surpassing the PPA metrics of the original human-written code. Our findings demonstrate the effectiveness of integrating toolchain feedback into LLM training and highlight the potential for reinforcement learning to enable automated generation of human-surpassing RTL code. We open-source our code in anonymous github.
主题: 人工智能 (cs.AI) ; 硬件架构 (cs.AR); 编程语言 (cs.PL)
引用方式: arXiv:2507.04736 [cs.AI]
  (或者 arXiv:2507.04736v1 [cs.AI] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.04736
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Zhirong Chen [查看电子邮件]
[v1] 星期一, 2025 年 7 月 7 日 08:08:20 UTC (624 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.AI
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.AR
cs.PL

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