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:2507.06376

帮助 | 高级搜索

计算机科学 > 硬件架构

arXiv:2507.06376 (cs)
[提交于 2025年7月8日 ]

标题: SLDB:用于LLM辅助设计的端到端异构片上系统基准测试套件

标题: SLDB: An End-To-End Heterogeneous System-on-Chip Benchmark Suite for LLM-Aided Design

Authors:Elisavet Lydia Alvanaki, Kevin Lee, Luca P. Carloni
摘要: 近年来,大型语言模型(LLMs)已成为电子设计自动化(EDA)的一种有价值的工具。 LLM辅助设计的最先进研究已经展示了LLMs生成语法正确的RTL代码的能力,显示出将人工智能整合到硬件设计过程中的令人鼓舞的前景。 这些进展的关键推动因素是高质量基准的可用性,用于评估新方法。 然而,现有的数据集和基准在系统级设计方面存在不足,因为它们主要关注组件级信息和低复杂度设计。 为了解决这一差距,我们引入了系统级设计基准(SLDB),这是一个专为评估LLMs在系统级集成和配置任务中的性能而设计的数据集。 SLDB包括一个经过筛选的基准套件,包含10个基础片上系统(SoC)设计,其组件可以通过一个合成库组合成指数级的不同的基于瓷砖的SoCs。 该数据集提供了完整的SoC配置、加速器集成代码、通信参数和面向加速器的系统配置,以及与ESP平台[1]兼容的测试应用程序代码。
摘要: Over the last few years, Large Language Models (LLMs) have emerged as a valuable tool for Electronic Design Automation (EDA). State-of-the-art research in LLM-aided design has demonstrated the ability of LLMs to generate syntactically correct RTL code, showcasing encouraging prospects for integrating AI into the hardware design process. A key enabler of these advancements is the availability of high-quality benchmarks to evaluate new approaches. However, existing datasets and benchmarks fall short of system-level design, as they focus primarily on component-level information and low-complexity designs. To address this gap, we introduce the System-Level Design Benchmark (SLDB), a dataset tailored for evaluating LLMs in system-level integration and configuration tasks. SLDB includes a curated benchmark suite of 10 baseline SoC designs, whose components can be combined into an exponential number of distinct tile-based SoCs through a synthetic library. The dataset provides full SoC configurations, accelerator integration code, communication parameters, and accelerator-aware system configurations, along with testing-application code, compatible with the ESP platform[1].
主题: 硬件架构 (cs.AR)
引用方式: arXiv:2507.06376 [cs.AR]
  (或者 arXiv:2507.06376v1 [cs.AR] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.06376
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Elisavet Lydia Alvanaki [查看电子邮件]
[v1] 星期二, 2025 年 7 月 8 日 20:27:08 UTC (1,143 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
许可图标 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