論文の概要: DRCY: Agentic Hardware Design Reviews
- arxiv url: http://arxiv.org/abs/2603.15672v1
- Date: Fri, 13 Mar 2026 15:37:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-18 17:42:06.869106
- Title: DRCY: Agentic Hardware Design Reviews
- Title（参考訳）: DRCY:エージェントハードウェアデザインレビュー
- Authors: Kyle Dumont, Nicholas Herbert, Hayder Tirmazi, Shrikanth Upadhayaya,
- Abstract要約: DRCYは,最初の実運用対応マルチエージェントLCMシステムである。
本稿では,DRCYの5エージェントパイプラインアーキテクチャ,自己評価によるエージェント検索システム,安全クリティカル解析の信頼性向上のためのマルチランコンセンサス機構について述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hardware design errors discovered after fabrication require costly physical respins that can delay products by months. Existing electronic design automation (EDA) tools enforce structural connectivity rules. However, they cannot verify that connections are \emph{semantically} correct with respect to component datasheets. For example, that a symbol's pinout matches the manufacturer's specification, or that a voltage regulator's feedback resistors produce the intended output. We present DRCY, the first production-ready multi-agent LLM system that automates first-pass schematic connection review by autonomously fetching component datasheets, performing pin-by-pin analysis against extracted specifications, and posting findings as inline comments on design reviews. DRCY is deployed in production on AllSpice Hub, a collaborative hardware design platform, where it runs as a CI/CD action triggered on design review submissions. DRCY is used regularly by major hardware companies for use-cases ranging from multi-agent vehicle design to space exploration. We describe DRCY's five-agent pipeline architecture, its agentic datasheet retrieval system with self-evaluation, and its multi-run consensus mechanism for improving reliability on safety-critical analyses
- Abstract（参考訳）: 製造後に発見されたハードウェア設計のエラーは、製品が数ヶ月遅れる可能性のある、高価な物理的リスピンを必要とする。
既存の電子設計自動化(EDA)ツールは、構造的な接続ルールを強制する。
しかし、接続がコンポーネントデータシートに関して \emph{semantically} 正であることを検証することはできない。
例えば、シンボルのピンアウトがメーカの仕様と一致しているか、または電圧レギュレータのフィードバック抵抗が意図した出力を生成する。
DRCYは、コンポーネントデータシートを自動フェッチし、抽出した仕様に対してピンバイピン解析を行い、設計レビューのインラインコメントとして結果を投稿することで、最初のパススキーマ接続レビューを自動化する、最初のプロダクション対応マルチエージェントLCMシステムである。
DRCYは、コラボレーティブなハードウェアデザインプラットフォームであるAllSpice Hubで運用されている。
DRCYは、多エージェント車の設計から宇宙探査まで、主要なハードウェア会社によって定期的に使用されている。
DRCYの5エージェントパイプラインアーキテクチャ、自己評価付きエージェントデータシート検索システム、安全クリティカル分析における信頼性向上のためのマルチランコンセンサス機構について述べる。
関連論文リスト
- Toward Automated Virtual Electronic Control Unit (ECU) Twins for Shift-Left Automotive Software Testing [0.0]
自動車ソフトウェアは、ハードウェアの可用性をますます上回り、遅延統合と高価なハードウェア・イン・ザ・ループ(HiL)ボトルネックを強制する。
InnoRegioChallengeは、仮想テストと統合環境が物理的なハードウェアが存在する前に実際のソフトウェアバイナリを実行するのに十分早く電子制御ユニット(ECU)の動作を再現できるかどうかを調査した。
本稿では,エージェント型フィードバック駆動型ワークフローを用いて,システムC/TLM2.0で命令精度の高いプロセッサモデルを生成するプロトタイプを報告する。
論文 参考訳（メタデータ） (2026-02-20T11:03:46Z) - Emergence-as-Code for Self-Governing Reliable Systems [0.0]
本稿では,エネルジェンス・アズ・コード(Emergence-as-Code,EmaC)を提案する。
EmaC仕様は、トラベルインテント(オブジェクト、制御フロー演算子、アクションの許容)を宣言し、SLOとテレメトリにバインドする。
実行時推論コンポーネントは、運用成果物(トレースやトラフィック設定など)を消費し、証明と信頼性を備えた候補走行モデルを合成する。
匿名化されたアーティファクトリポジトリは、実行サンプル仕様と生成された出力を提供する。
論文 参考訳（メタデータ） (2026-02-05T09:04:33Z) - CircuitLM: A Multi-Agent LLM-Aided Design Framework for Generating Circuit Schematics from Natural Language Prompts [0.5219568203653523]
大型言語モデル(LLM)は、しばしば細かい詳細を幻覚し、電気的制約に違反し、機械で読めない出力を生成する。
ユーザプロンプトを構造化して視覚的に解釈可能なCircuitJSONスキーマに変換する,マルチエージェントLCM支援回路設計パイプラインであるCircuitLMを提案する。
この作業は、自然言語入力をデプロイ可能なハードウェア設計にブリッジし、非専門家による信頼性の高い回路プロトタイピングを可能にする。
論文 参考訳（メタデータ） (2026-01-08T02:18:43Z) - Automatic Building Code Review: A Case Study [6.530899637501737]
建設担当者は、プロジェクトのサイズと複雑さが増大するにつれて、労働集約的で、エラーを起こし、コストがかかる設計文書のレビューに直面します。
本研究では,BIMに基づくデータ抽出と自動検証を統合したエージェント駆動型フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-03T00:30:14Z) - DRBench: A Realistic Benchmark for Enterprise Deep Research [81.49694432639406]
DRBenchは、エンタープライズ環境で複雑でオープンなディープリサーチタスクでAIエージェントを評価するためのベンチマークである。
セールス、サイバーセキュリティ、コンプライアンスなど10のドメインにわたる15のディープリサーチタスクをリリースしています。
論文 参考訳（メタデータ） (2025-09-30T18:47:20Z) - D-REX: A Benchmark for Detecting Deceptive Reasoning in Large Language Models [62.83226685925107]
Deceptive Reasoning Exposure Suite (D-REX)は、モデルの内部推論プロセスと最終的な出力との相違を評価するために設計された、新しいデータセットである。
D-REXの各サンプルには、敵システムプロンプト、エンドユーザーのテストクエリ、モデルの一見無害な応答、そして重要なことに、モデルの内部チェーンが含まれている。
我々は、D-REXが既存のモデルと安全メカニズムに重大な課題をもたらすことを実証した。
論文 参考訳（メタデータ） (2025-09-22T15:59:40Z) - FVDebug: An LLM-Driven Debugging Assistant for Automated Root Cause Analysis of Formal Verification Failures [8.530369312832084]
障害トレースを実行可能な洞察に変換するインテリジェントなシステムであるFV Debugを紹介します。
提案手法は,(1)非巡回グラフに障害トレースを構造化する因果グラフ合成,(2)不審なノードの特定を促すバッチ型Large Language Model (LLM)解析を用いたグラフスキャナ,(3)高レベルの因果説明を生成するためのエージェント的物語探索を活用したInsight Roverを特徴とする。
論文 参考訳（メタデータ） (2025-09-16T20:22:10Z) - DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents [52.92354372596197]
大規模言語モデル(LLM)は、強力な推論と計画能力のため、エージェントシステムの中心となってきています。
この相互作用は、外部ソースからの悪意のある入力がエージェントの振る舞いを誤解させる可能性がある、インジェクション攻撃のリスクも引き起こす。
本稿では,信頼に値するエージェントシステムのための動的ルールベースの分離フレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-13T05:01:09Z) - Specifications: The missing link to making the development of LLM systems an engineering discipline [65.10077876035417]
我々は、構造化出力、プロセスの監督、テストタイム計算など、これまでの分野の進歩について論じる。
モジュール型かつ信頼性の高いLCMシステムの開発に向けた研究の今後の方向性について概説する。
論文 参考訳（メタデータ） (2024-11-25T07:48:31Z) - Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。
製品ライフサイクルを通じてデータをデジタル化することにより、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。
GenAIはDTの構築と更新を推進し、予測精度を改善し、多様なスマート製造に備える。
論文 参考訳（メタデータ） (2024-08-02T10:47:10Z) - Integrated Benchmarking and Design for Reproducible and Accessible
Evaluation of Robotic Agents [61.36681529571202]
本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。
このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。
本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
論文 参考訳（メタデータ） (2020-09-09T15:31:29Z)
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。