Fugu-MT 論文翻訳(概要): Saarthi: The First AI Formal Verification Engineer

論文の概要: Saarthi: The First AI Formal Verification Engineer

arxiv url: http://arxiv.org/abs/2502.16662v1
Date: Sun, 23 Feb 2025 17:42:50 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-25 15:54:32.947586
Title: Saarthi: The First AI Formal Verification Engineer
Title（参考訳）: Saarthi: 初のAI形式検証エンジニア
Authors: Aman Kumar, Deepak Narayan Gadde, Keerthan Kopparam Radhakrishna, Djones Lettnin,
Abstract要約: Devinは、世界初の完全自律型AIソフトウェアエンジニアとして、人工知能(AI)コミュニティで大きな話題を呼んだ。同様に、完全に自律的なAI形式検証エンジニアであるSaarthiは、所定のRTL設計をエンドツーエンドで検証することができる。
参考スコア（独自算出の注目度）: 2.1626093085892144
License:
Abstract: Recently, Devin has made a significant buzz in the Artificial Intelligence (AI) community as the world's first fully autonomous AI software engineer, capable of independently developing software code. Devin uses the concept of agentic workflow in Generative AI (GenAI), which empowers AI agents to engage in a more dynamic, iterative, and self-reflective process. In this paper, we present a similar fully autonomous AI formal verification engineer, Saarthi, capable of verifying a given RTL design end-to-end using an agentic workflow. With Saarthi, verification engineers can focus on more complex problems, and verification teams can strive for more ambitious goals. The domain-agnostic implementation of Saarthi makes it scalable for use across various domains such as RTL design, UVM-based verification, and others.
Abstract（参考訳）: 最近Devinは、世界初の完全自律型AIソフトウェアエンジニアとして、人工知能(AI)コミュニティで大きな話題を呼んだ。 DevinはジェネレーティブAI(GenAI)におけるエージェントワークフローの概念を使用しており、AIエージェントがよりダイナミックで反復的で自己回帰的なプロセスに参加することを可能にする。本稿では、エージェントワークフローを用いて、与えられたRTL設計をエンドツーエンドに検証できる、同様に完全に自律的なAI形式検証エンジニアであるSaarthiを提案する。 Saarthiでは、検証エンジニアがより複雑な問題に集中でき、検証チームはより野心的な目標に向けて努力することができる。 Saarthiのドメインに依存しない実装により、RTL設計、UVMベースの検証など、さまざまなドメインで使用することができる。

関連論文リスト

AI Software Engineer: Programming with Trust [33.88230182444934]
大きな言語モデル(LLM)は、コードスニペットを生成するのに驚くほどの習熟度を示している。 AIソフトウェアエンジニアのデプロイに成功するためには、人間主導のソフトウェアエンジニアリングプラクティスによって確立された信頼と同等以上の信頼レベルが必要である、と私たちは主張する。
論文参考訳（メタデータ） (2025-02-19T14:28:42Z)
TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks [52.46737975742287]
私たちは小さなソフトウェア企業環境を模倣したデータによる自己完結型環境を構築します。最も競争力のあるエージェントでは、タスクの24%が自律的に完了できます。これは、LMエージェントによるタスク自動化に関するニュアンスな絵を描く。
論文参考訳（メタデータ） (2024-12-18T18:55:40Z)
ProAgent: From Robotic Process Automation to Agentic Process Automation [87.0555252338361]
LLM(Large Language Models)は、人間のような知性を持つ言語である。本稿では,ALMをベースとしたエージェントを用いた高度な自動化のための基盤的自動化パラダイムであるエージェントプロセス自動化(APA)を紹介する。そして、人間の指示を駆使し、特殊エージェントの調整によって複雑な決定を下すように設計されたエージェントであるProAgentをインスタンス化する。
論文参考訳（メタデータ） (2023-11-02T14:32:16Z)
AI in Software Engineering: A Survey on Project Management Applications [3.156791351998142]
機械学習(ML)はデータセットでトレーニングを行うアルゴリズムを採用しており、特定のタスクを自律的に実行することができる。 AIは、特にプロジェクト管理と計画において、ソフトウェアエンジニアリングの分野で大きな可能性を秘めている。
論文参考訳（メタデータ） (2023-07-27T23:02:24Z)
Prompt Sapper: A LLM-Empowered Production Tool for Building AI Chains [31.080896878139402]
我々は、AIチェーンの概念を提案し、ソフトウェア工学で何十年にもわたって蓄積されてきたベストプラクティスとプラクティスをAIチェーンエンジニアリングに導入する。また、AIチェーンの構築プロセスにおいて、これらのAIチェーンのエンジニアリング原則とパターンを自然に具現化する、コード統合開発環境であるPrompt Sapperも開発しています。
論文参考訳（メタデータ） (2023-06-21T05:31:00Z)
Prompt Sapper: LLM-Empowered Software Engineering Infrastructure for AI-Native Services [37.05145017386908]
Prompt SapperはAIチェーンエンジニアリングによるAIネイティブサービスの開発をサポートすることを約束している。それは、人間とAIの協調的なインテリジェンスを通じてAIチェーンをオーサリングするための、ソフトウェアエンジニアリングインフラストラクチャの強化された大きな言語モデル(LLM)を作成する。この記事では、Prompt Sapperの背後にあるR&Dモチベーションと、それに対応するAIチェーンエンジニアリング方法論と技術的なプラクティスを紹介する。
論文参考訳（メタデータ） (2023-06-04T01:47:42Z)
OpenAGI: When LLM Meets Domain Experts [51.86179657467822]
ヒューマン・インテリジェンス(HI)は、複雑なタスクを解くための基本的なスキルの組み合わせに長けている。この機能は人工知能(AI)にとって不可欠であり、包括的なAIエージェントに組み込まれるべきである。マルチステップで現実的なタスクを解決するために設計されたオープンソースのプラットフォームであるOpenAGIを紹介します。
論文参考訳（メタデータ） (2023-04-10T03:55:35Z)
HuggingGPT: Solving AI Tasks with ChatGPT and its Friends in Hugging Face [85.25054021362232]
大規模言語モデル(LLM)は、言語理解、生成、相互作用、推論において例外的な能力を示した。 LLMは、複雑なAIタスクを解決するために既存のAIモデルを管理するコントローラとして機能する可能性がある。本稿では,機械学習コミュニティのさまざまなAIモデルを接続するLLMエージェントであるHuggingGPTを紹介する。
論文参考訳（メタデータ） (2023-03-30T17:48:28Z)
AI-in-the-Loop -- The impact of HMI in AI-based Application [0.0]
我々は,AIと人間の強みを組み合わせたループ型AIの概念を導入する。 AIを使用した推論でHMIを有効にすることで、AIと人間の強みを組み合わせた、ループ内のAIの概念を導入します。
論文参考訳（メタデータ） (2023-03-21T00:04:33Z)
Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文参考訳（メタデータ） (2022-03-06T10:12:56Z)
A User-Centred Framework for Explainable Artificial Intelligence in Human-Robot Interaction [70.11080854486953]
本稿では,XAIのソーシャル・インタラクティブな側面に着目したユーザ中心型フレームワークを提案する。このフレームワークは、エキスパートでないユーザのために考えられた対話型XAIソリューションのための構造を提供することを目的としている。
論文参考訳（メタデータ） (2021-09-27T09:56:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。