論文の概要: From Pragmas to Partners: A Symbiotic Evolution of Agentic High-Level Synthesis

• arxiv url: http://arxiv.org/abs/2602.01401v2
• Date: Tue, 03 Feb 2026 03:50:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 13:28:03.721665
• Title: From Pragmas to Partners: A Symbiotic Evolution of Agentic High-Level Synthesis
• Title（参考訳）: プラグマからパートナーへ:エージェントハイレベル合成の共生進化
• Authors: Niansong Zhang, Sunwoo Kim, Shreesha Srinath, Zhiru Zhang,
• Abstract要約: 大規模言語モデルの台頭はAI駆動型ハードウェア設計への関心を喚起し、高いレベルの合成(HLS)はエージェント時代においても重要なのか? 本稿では,HLS と RTL の両面を活用したエージェントハードウェアシステムの実現を期待する一方で,エージェント最適化の実現における HLS とその役割に焦点をあてる。
• 参考スコア（独自算出の注目度）: 11.789153921473718
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rise of large language models has sparked interest in AI-driven hardware design, raising the question: does high-level synthesis (HLS) still matter in the agentic era? We argue that HLS remains essential. While we expect mature agentic hardware systems to leverage both HLS and RTL, this paper focuses on HLS and its role in enabling agentic optimization. HLS offers faster iteration cycles, portability, and design permutability that make it a natural layer for agentic optimization. This position paper makes three contributions. First, we explain why HLS serves as a practical abstraction layer and a golden reference for agentic hardware design. Second, we identify key limitations of current HLS tools, namely inadequate performance feedback, rigid interfaces, and limited debuggability that agents are uniquely positioned to address. Third, we propose a taxonomy for the symbiotic evolution of agentic HLS, clarifying how responsibility shifts from human designers to AI agents as systems advance from copilots to autonomous design partners.
• Abstract（参考訳）: 大規模言語モデルの台頭はAI駆動型ハードウェア設計への関心を喚起し、高いレベルの合成(HLS)はエージェント時代においても重要なのか? HLSは依然として不可欠である。 本稿では,HLSとRTLの両方を活用したエージェントハードウェアシステムの成熟を期待する一方で,エージェント最適化の実現におけるHLSとその役割に焦点をあてる。 HLSは、より高速なイテレーションサイクル、ポータビリティ、そしてエージェント最適化の自然なレイヤーとなる設計の不変性を提供する。 このポジションペーパーには3つの貢献がある。 まず、HLSが実用的な抽象層として機能し、エージェントハードウェア設計の黄金の基準となる理由を説明する。 第二に、現在のHLSツールの主な制限、すなわち、パフォーマンスフィードバックの不十分さ、厳密なインターフェース、そしてエージェントが対処するためのユニークな位置にあるデバッグ可能性の制限を識別する。 第3に、エージェントHLSの共生的進化のための分類法を提案し、システムがコピロから自律設計パートナーへと進むにつれて、責任が人間設計者からAIエージェントへどのようにシフトするかを明らかにする。

関連論文リスト

• Youtu-LLM: Unlocking the Native Agentic Potential for Lightweight Large Language Models [78.73992315826035]
  ネイティブエージェントインテリジェンスと高い計算効率を調和させる軽量言語モデルであるYoutu-LLMを紹介する。 Youtu-LLMは、スクラッチから体系的に推論と計画能力の育成まで事前訓練されている。
  論文  参考訳（メタデータ） (2025-12-31T04:25:11Z)
• Towards 6G Native-AI Edge Networks: A Semantic-Aware and Agentic Intelligence Paradigm [85.7583231789615]
  6Gはインテリジェンスをネイティブネットワークの能力として位置づけ、無線アクセスネットワーク(RAN)の設計を変革する このビジョンの中では、セマンティック・ネイティブのコミュニケーションとエージェント・インテリジェンスが中心的な役割を果たすことが期待されている。 エージェントインテリジェンスは、RANエンティティに目標駆動の自律性、推論、計画、マルチエージェントコラボレーションを提供する。
  論文  参考訳（メタデータ） (2025-12-04T03:09:33Z)
• AgentFrontier: Expanding the Capability Frontier of LLM Agents with ZPD-Guided Data Synthesis [69.06292316741126]
  大きな言語モデルエージェントをその能力の最前線でタスクで訓練することは、高度な推論をアンロックする鍵となる。 近縁開発ゾーン(ZPD)の教育理論に着想を得たデータ合成アプローチを導入する。 本稿では,ZPD内に位置する高品質な多分野データを合成する自動パイプラインであるAgentFrontier Engineを提案する。
  論文  参考訳（メタデータ） (2025-10-28T17:50:47Z)
• Agentic Software Engineering: Foundational Pillars and a Research Roadmap [15.059942573311481]
  Agentic Software Engineering (SE 3.0)は、インテリジェントなエージェントが複雑な目標指向のSE目標を達成することを任務とする新しい時代を表す。 本稿では,SEの基盤となる柱のいくつかを概説する,構造化エージェントソフトウェア工学(SASE)のビジョンについて述べる。
  論文  参考訳（メタデータ） (2025-09-07T21:40:10Z)
• Why do AI agents communicate in human language? [6.784986834853486]
  大規模言語モデル(LLM)は、現代のAIエージェントシステムの基礎となっている。 ほとんどの既存のシステムでは、エージェント間通信は主に自然言語に依存している。 この設計はエージェントとエージェントの協調に基本的な制限をもたらすと我々は主張する。
  論文  参考訳（メタデータ） (2025-06-03T10:53:29Z)
• The Real Barrier to LLM Agent Usability is Agentic ROI [110.31127571114635]
  大規模言語モデル(LLM)エージェントは、人間とAIの相互作用において有望な変化を示す。 我々は、需要の高いマスマーケットアプリケーションにおいて、重要なユーザビリティギャップを強調します。
  論文  参考訳（メタデータ） (2025-05-23T11:40:58Z)
• Can Reasoning Models Reason about Hardware? An Agentic HLS Perspective [18.791753740931185]
  OpenAI o3-mini と DeepSeek-R1 は Chain-of-Thought (CoT) を通じて推論を強化している 本稿では, LLM の推論が高レベル合成(HLS)設計空間探索と最適化の課題に対処できるかどうかを検討する。
  論文  参考訳（メタデータ） (2025-03-17T01:21:39Z)
• Are LLMs Any Good for High-Level Synthesis? [1.3927943269211591]
  大規模言語モデル(LLM)は、高レベル合成(HLS)プロセスの合理化や置き換えが可能である。 LLMは自然言語の仕様を理解し、Cコードや自然言語の仕様を翻訳することができる。 本研究の目的は、AIアクセラレーション、組み込みシステム、高性能コンピューティングなどのアプリケーションにおいて、最適化されたハードウェア設計のための将来的な方向性を特定することである。
  論文  参考訳（メタデータ） (2024-08-19T21:40:28Z)
• The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
  大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。 単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
  論文  参考訳（メタデータ） (2023-09-14T17:12:03Z)

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。