論文の概要: Automated QoR improvement in OpenROAD with coding agents

• arxiv url: http://arxiv.org/abs/2601.06268v1
• Date: Fri, 09 Jan 2026 19:30:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:00.721271
• Title: Automated QoR improvement in OpenROAD with coding agents
• Title（参考訳）: 符号化エージェントによるOpenROADのQoR自動改善
• Authors: Amur Ghose, Junyeong Jang, Andrew B. Kahng, Jakang Lee,
• Abstract要約: 我々は,OpenAIモデル上に構築された自律的リポジトリベースコーディングシステムであるAuDoPEDAと,OpenROADを読むCodexクラスエージェントを紹介する。 コントリビューションには、(i)EDAコード変更のためのクローズドループLLMフレームワーク、(ii)OpenROAD上のタスクスイートと評価プロトコルによるPPA指向の改善、(iii)人間の監督を最小限に抑えたエンドツーエンドのデモが含まれています。
• 参考スコア（独自算出の注目度）: 2.4324099234430716
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: EDA development and innovation has been constrained by scarcity of expert engineering resources. While leading LLMs have demonstrated excellent performance in coding and scientific reasoning tasks, their capacity to advance EDA technology itself has been largely untested. We present AuDoPEDA, an autonomous, repository-grounded coding system built atop OpenAI models and a Codex-class agent that reads OpenROAD, proposes research directions, expands them into implementation steps, and submits executable diffs. Our contributions include (i) a closed-loop LLM framework for EDA code changes; (ii) a task suite and evaluation protocol on OpenROAD for PPA-oriented improvements; and (iii) end-to-end demonstrations with minimal human oversight. Experiments in OpenROAD achieve routed wirelength reductions of up to 5.9%, and effective clock period reductions of up to 10.0%.
• Abstract（参考訳）: EDAの開発とイノベーションは、専門家のエンジニアリングリソースの不足によって制限されている。 先進的なLCMは、コーディングや科学的推論のタスクにおいて優れた性能を示してきたが、EDA技術自体を前進させる能力は、ほとんどテストされていない。 我々は、OpenAIモデル上に構築された自律的リポジトリベースコーディングシステムAuDoPEDAと、OpenROADを読み、研究方向を提案し、それらを実装手順に拡張し、実行可能な差分を提出するCodexクラスエージェントを提示する。 コントリビューションには i) EDA コード変更のためのクローズドループ LLM フレームワーク (II) PPA指向の改善のためのOpenROAD上のタスクスイートと評価プロトコル (三)最小限の人間の監視によるエンドツーエンドのデモンストレーション。 OpenROADの実験では、配線長を最大5.9%削減し、クロック周期を最大10.0%削減する。

関連論文リスト

• ROAD: Reflective Optimization via Automated Debugging for Zero-Shot Agent Alignment [1.6968020497268546]
  ROADは、最適化を検索ではなく動的デバッグ調査として扱う新しいフレームワークである。 道路はサンプリング効率が高く、成功率は5.6%、検索精度は3.8%向上している。 これらの結果は、ヒューマンエンジニアリングの失敗分析とパッチングのループを模倣することで、リソース集約的なトレーニングに代わる、実行可能なデータ効率の代替が可能になることを示唆している。
  論文  参考訳（メタデータ） (2025-12-30T07:31:34Z)
• Let the Barbarians In: How AI Can Accelerate Systems Performance Research [80.43506848683633]
  我々は、この繰り返しサイクルを、AI駆動システム研究の生成、評価、洗練のサイクルと呼ぶ。 我々はADRSが生成するソリューションが人間の最先端の設計に適合し、さらに優れることを示した。
  論文  参考訳（メタデータ） (2025-12-16T18:51:23Z)
• Llama-based source code vulnerability detection: Prompt engineering vs Fine tuning [0.6588840794922407]
  大規模言語モデル(LLM)は、これまでで最も高性能なAIモデルであると考えられている。 それらの性能について検討し、その効果を高めるために様々な最先端技術を適用した。 我々は最近のオープンソースのLlama-3.1 8Bを活用し、BigVulデータセットとPrimeVulデータセットからソースコードサンプルを抽出した。
  論文  参考訳（メタデータ） (2025-12-09T12:08:24Z)
• How Efficient Are Diffusion Language Models? A Critical Examination of Efficiency Evaluation Practices [81.85465545346266]
  拡散言語モデル(DLM)は、長期支配的自己回帰(AR)パラダイムに代わる有望な代替として登場した。 しかし、現在のオープンソースのDLMは、しばしばARの速度よりも優れており、現実のユーティリティを制限している。 本研究はDLMの効率に関する系統的研究であり, 先行評価手法の問題点を同定する。
  論文  参考訳（メタデータ） (2025-10-21T10:00:32Z)
• An Efficient and Adaptive Next Edit Suggestion Framework with Zero Human Instructions in IDEs [11.041668774652145]
  我々は、命令不要で低レイテンシ体験を提供するコード編集フレームワークNES(Next Edition)を提案する。 デュアルモデルアーキテクチャに基づいて構築され、高品質なSFTとDAPOデータセットでトレーニングされたNESは、開発者の意図を理解することによって生産性を高める。 オープンソースのSFTおよびDAPOデータセットは、オープンソースのCodeLLMの性能を高めるために実証されている。
  論文  参考訳（メタデータ） (2025-08-04T14:37:32Z)
• R&D-Agent: An LLM-Agent Framework Towards Autonomous Data Science [70.1638335489284]
  高レベルの機械学習エンジニアリングタスクは、労働集約的で反復的である。 機械学習プロセスを形式化する包括的で分離されたフレームワークであるR&D-Agentを紹介します。 R&D-AgentはMLEを2つのフェーズと6つのコンポーネントに定義し、MLEのエージェント設計を原則としてテスト可能なプロセスに変える。
  論文  参考訳（メタデータ） (2025-05-20T06:07:00Z)
• Divergent Thoughts toward One Goal: LLM-based Multi-Agent Collaboration System for Electronic Design Automation [5.536630285985836]
  EDAidは多エージェントの協調システムであり,複数のエージェントが多元的思考を担い、共通の目標に向かって収束する。 具体的には、各エージェントは、EDAフロー自動化のために微調整された専門家LLMであるChipLlamaモデルによって制御される。 実験では,ChipLlamaモデルのSOTA(State-of-the-art)性能を実証し,EDAidの有効性を検証した。
  論文  参考訳（メタデータ） (2025-02-15T16:59:29Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。