論文の概要: FluxEDA: A Unified Execution Infrastructure for Stateful Agentic EDA

• arxiv url: http://arxiv.org/abs/2603.25243v1
• Date: Thu, 26 Mar 2026 09:49:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.220644
• Title: FluxEDA: A Unified Execution Infrastructure for Stateful Agentic EDA
• Title（参考訳）: FluxEDA: ステートフルエージェントEDAのための統一実行基盤
• Authors: Zhengrui Chen, Zixuan Song, Yu Li, Qi Sun, Cheng Zhuo,
• Abstract要約: 本稿では,エージェントEDAのための統一かつステートフルな基盤基板であるFluxEDAを提案する。 F FluxEDAは、構造化されたリクエストとレスポンスハンドリングを備えたマネージドゲートウェイベースの実行インターフェースを導入している。 永続的なバックエンドインスタンスも維持する。
• 参考スコア（独自算出の注目度）: 13.976446231636166
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Large language models and autonomous agents are increasingly explored for EDA automation, but many existing integrations still rely on script-level or request-level interactions, which makes it difficult to preserve tool state and support iterative optimization in real production-oriented environments. In this work, we present FluxEDA, a unified and stateful infrastructure substrate for agentic EDA. FluxEDA introduces a managed gateway-based execution interface with structured request and response handling. It also maintains persistent backend instances. Together, these features allow upper-layer agents and programmable clients to interact with heterogeneous EDA tools through preserved runtime state, rather than through isolated shell invocations. We evaluate the framework using two representative commercial backend case studies: automated post-route timing ECO and standard-cell sub-library optimization. The results show that FluxEDA can support multi-step analysis and optimization over real tool contexts, including state reuse, rollback, and coordinated iterative execution. These findings suggest that a stateful and governed infrastructure layer is a practical foundation for agent-assisted EDA automation.
• Abstract（参考訳）: 大規模言語モデルと自律エージェントは、EDA自動化のためにますます検討されているが、既存の統合の多くは、スクリプトレベルのインタラクションや要求レベルのインタラクションに依存しているため、ツールの状態の保存や、実運用指向の環境における反復的最適化のサポートが困難である。 本稿では,エージェントEDAのための統一かつステートフルな基盤基板であるFluxEDAについて述べる。 FluxEDAは、構造化されたリクエストとレスポンスハンドリングを備えたマネージドゲートウェイベースの実行インターフェースを導入している。 永続的なバックエンドインスタンスも維持する。 これらの機能により、上位層エージェントとプログラム可能なクライアントは、分離されたシェル呼び出しではなく、保存されたランタイム状態を通じて異種EDAツールと対話できる。 提案手法は,時間経過後ECOと標準セルサブライブラリ最適化という2つの代表的な商用バックエンドケーススタディを用いて評価する。 結果は、FluxEDAが状態再利用、ロールバック、調整された反復実行を含む、実際のツールコンテキスト上でのマルチステップ分析と最適化をサポートできることを示しています。 これらの結果は,ステートフルかつ管理されたインフラストラクチャ層がエージェント支援EDA自動化の実践的基盤であることを示唆している。

関連論文リスト

• OpenEarth-Agent: From Tool Calling to Tool Creation for Open-Environment Earth Observation [52.19243746173158]
  オープン環境の地球観測に適した最初のツール作成エージェントフレームワークであるOpenEarth-Agentを紹介する。 OpenEarth-Agentは事前に定義されたツールを呼び出すのではなく、適応的なワークフロー計画とツール作成を使用して、目に見えないデータやタスクに一般化する。 OpenEarth-Agentは、オープン環境で複数のドメインにまたがって完全なEOをマスターできることを示す。
  論文  参考訳（メタデータ） (2026-03-23T16:14:15Z)
• The Auton Agentic AI Framework [5.410458076724158]
  人工知能の分野では、ジェネレーティブAIからエージェントAIへの移行が進行中である。 大規模言語モデル(LLM)は構造化されていない出力を生成するが、それらが制御しなければならないバックエンドインフラストラクチャは決定論的でスキーマに適合する入力を必要とする。 本稿では,自律エージェントの作成,作成,管理を行うための原則アーキテクチャであるAuton Agentic AI Frameworkについて述べる。
  論文  参考訳（メタデータ） (2026-02-27T06:42:08Z)
• AgentSkiller: Scaling Generalist Agent Intelligence through Semantically Integrated Cross-Domain Data Synthesis [30.512393568258105]
  大規模言語モデルエージェントは、ツールを介して現実世界の問題を解決する可能性を実証するが、汎用的な知性は、質の低い長期データによってボトルネックとなる。 本稿では,現実的なセマンティックなドメイン間でのマルチターンインタラクションデータを合成する,完全に自動化されたフレームワークであるAgentSkillerを提案する。
  論文  参考訳（メタデータ） (2026-02-10T03:21:42Z)
• Autonomous Data Processing using Meta-Agents [2.3732259124656907]
  我々はメタエージェント(ADP-MA)を用いたtextbf Autonomous Data Processingを提案し,データ処理パイプラインを動的に構築し,実行し,反復的に洗練するフレームワークを提案する。 ADP-MAは、コンテキスト対応の最適化、適応的なワークロード分割、拡張性のためのプログレッシブサンプリングを強調している。 ADP-MAはパイプライン構築、実行監視、代表データ処理タスク間の適応的な改善を示すインタラクティブなデモを通じてデモを行う。
  論文  参考訳（メタデータ） (2026-01-30T20:58:17Z)
• ABC-Bench: Benchmarking Agentic Backend Coding in Real-World Development [72.4729759618632]
  本稿では,現実的かつ実行可能なワークフロー内でエージェントバックエンドコーディングを評価するベンチマークであるABC-Benchを紹介する。 オープンソースリポジトリから8つの言語と19のフレームワークにまたがる224の実践的なタスクをキュレートしました。 我々の評価は、最先端モデルでさえ、これらの総合的なタスクに対して信頼性の高いパフォーマンスを提供するのに苦労していることを示している。
  論文  参考訳（メタデータ） (2026-01-16T08:23:52Z)
• Let It Flow: Agentic Crafting on Rock and Roll, Building the ROME Model within an Open Agentic Learning Ecosystem [90.17610617854247]
  本稿では,エージェントモデルの生産パイプラインを最適化する基盤インフラであるエージェント学習エコシステム(ALE)を紹介する。 ALEは、重量最適化のためのトレーニング後のフレームワークであるROLL、軌道生成のためのサンドボックス環境マネージャであるROCK、効率的なコンテキストエンジニアリングのためのエージェントフレームワークであるiFlow CLIの3つのコンポーネントで構成されている。 ROMEはALEが基盤として100万件以上のトラジェクトリをトレーニングしたオープンソースエージェントです。
  論文  参考訳（メタデータ） (2025-12-31T14:03:39Z)
• Monadic Context Engineering [59.95390010097654]
  本稿では,エージェント設計の正式な基盤を提供するために,モナディックコンテキストエンジニアリング(MCE)を紹介する。 我々は、モナドがロバストなコンポジションをどのように実現し、Applicativesが並列実行に原則化された構造を提供し、また、モナドトランスフォーマーがこれらの機能の体系的なコンポジションをどのように可能にしているかを実証する。 この階層化されたアプローチにより、開発者は、単純で独立した検証可能なコンポーネントから、複雑でレジリエントで効率的なAIエージェントを構築することができる。
  論文  参考訳（メタデータ） (2025-12-27T01:52:06Z)
• Context-Aware Visual Prompting: Automating Geospatial Web Dashboards with Large Language Models and Agent Self-Validation for Decision Support [1.506501956463029]
  リスク分析と意思決定のためのWebベースのダッシュボードの開発は、大きな多次元データの難しさに悩まされることが多い。 ユーザ定義入力からインタラクティブな地理空間ダッシュボードの作成を自動化する生成AIフレームワークを導入する。
  論文  参考訳（メタデータ） (2025-10-10T10:58:15Z)
• AgentScope 1.0: A Developer-Centric Framework for Building Agentic Applications [95.42093979627703]
  AgentScopeは柔軟で効率的なツールベースのエージェント環境インタラクションをサポートする。 エージェントの動作をReActパラダイムに基盤として,エージェントレベルの高度なインフラストラクチャを提供します。 AgentScopeには、開発者フレンドリーなエクスペリエンスのための堅牢なエンジニアリングサポートも含まれている。
  論文  参考訳（メタデータ） (2025-08-22T10:35:56Z)
• AutoEDA: Enabling EDA Flow Automation through Microservice-Based LLM Agents [15.41283323575065]
  AutoEDAは、標準化されたスケーラブルな自然言語エクスペリエンスに特化したモデルコンテキストプロトコル(MCP)を通じて並列学習を活用する、EDA自動化のためのフレームワークである。 実験の結果、既存の手法と比較して、自動化の精度と効率が向上し、スクリプトの品質も向上した。
  論文  参考訳（メタデータ） (2025-08-01T18:23:57Z)

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。