論文の概要: Autonomous Evolution of EDA Tools: Multi-Agent Self-Evolved ABC

• arxiv url: http://arxiv.org/abs/2604.15082v1
• Date: Thu, 16 Apr 2026 14:42:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:31.953724
• Title: Autonomous Evolution of EDA Tools: Multi-Agent Self-Evolved ABC
• Title（参考訳）: EDAツールの自律的進化:マルチエージェント自己進化ABC
• Authors: Cunxi Yu, Haoxing Ren,
• Abstract要約: 本稿では,最初の自己進化論理合成フレームワークを紹介する。 筆者らのフレームワークはABC統合ABC上で動作し,出力レポジトリはその単一バイナリ実行モデルとコマンドインターフェースを保存している。 我々は、この自己改善システムのアーキテクチャ、TextscABCとの統合について詳述し、その結果、フレームワークが完全に100万行規模のEDAツールを自律的かつ段階的に改善できることを実証した。
• 参考スコア（独自算出の注目度）: 10.017322958247172
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces the first \emph{self-evolving} logic synthesis framework, which leverages Large Language Model (LLM) agents to autonomously improve the source code of \textsc{ABC}, the widely adopted logic synthesis system. Our framework operates on the \emph{entire integrated ABC codebase}, and the output repository preserves its single-binary execution model and command interface. In the initial evolution cycle, we bootstrap the system using existing prior open-source synthesis components, covering flow tuning, logic minimization, and technology mapping, but without manually injecting new heuristics. On top of this foundation, a team of LLM-based agents iteratively rewrites and evolves specific sub-components of ABC following our ``programming guidance`` prompts under a unified correctness and QoR-driven evaluation loop. Each evolution cycle proposes code modifications, compiles the integrated binary, validates correctness, and evaluates quality-of-results (QoR) on \emph{multi-suite benchmarks including ISCAS~85/89/99, VTR, EPFL, and IWLS~2005}. Through continuous feedback, the system discovers optimizations beyond human-designed heuristics, effectively \emph{learning new synthesis strategies} that enhance QoR. We detail the architecture of this self-improving system, its integration with \textsc{ABC}, and results demonstrating that the framework can autonomously and progressively improve EDA tool at full million-line scale.
• Abstract（参考訳）: 本稿では,Large Language Model (LLM) エージェントを利用して,広く採用されている論理合成システムである \textsc{ABC} のソースコードを自律的に改善する,最初の 'emph{self-evolving} 論理合成フレームワークを提案する。 我々のフレームワークは,ABCコードベースのemph{entire統合上で動作し,出力レポジトリはその単一バイナリ実行モデルとコマンドインターフェースを保存する。 最初の進化サイクルでは、既存のオープンソース合成コンポーネントを使用してシステムをブートストラップし、フローチューニング、ロジックの最小化、技術マッピングを網羅するが、新しいヒューリスティックを手動で注入する必要はない。 この基盤の上に、LLMベースのエージェントのチームが、我々の『プログラミング指導』に従って、ABCの特定のサブコンポーネントを反復的に書き直し、進化させ、統一された正しさとQoRによる評価ループの下でプロンプトします。 各進化サイクルはコード修正を提案し、統合されたバイナリをコンパイルし、正しさを検証し、ISCAS~85/89/99、VTR、EPFL、IWLS~2005} を含む \emph{multi-suite ベンチマーク上でQoRを評価する。 連続的なフィードバックを通じて、システムは人間の設計したヒューリスティック、すなわちQoRを強化する事実上の「emph{learning new synthesis strategy」を超えた最適化を発見する。 本稿では,この自己改善システムのアーキテクチャ,それとtextsc{ABC} の統合について詳述し,その結果から,完全に100万行規模のEDAツールを自律的かつ段階的に改善できることを示す。

関連論文リスト

• VeriAgent: A Tool-Integrated Multi-Agent System with Evolving Memory for PPA-Aware RTL Code Generation [52.43796056267479]
  高品質なベリログコード生成のためのPPA対応ツール統合マルチエージェントフレームワークを提案する。 当社のフレームワークでは,EDAツールをtextitProgrammer Agent, textitCorrectness Agent, textitPPA Agentで構成されるクローズドループワークフローに明示的に組み込んでいる。 モデル再トレーニングなしに継続的な改善をサポートするために,構造化メモリノードに最適化エクスペリエンスを外部化するtextitEvolved Memory Mechanismを導入する。
  論文  参考訳（メタデータ） (2026-03-18T11:25:40Z)
• Understanding by Reconstruction: Reversing the Software Development Process for LLM Pretraining [66.89012795621349]
  大規模言語モデル(LLM)は、複雑なソフトウェア工学に必要な、深く、長期にわたる推論に苦しむことが多い。 本稿では,再構築による理解という,新しいパラダイムを提案する。 マルチエージェントシミュレーションを用いて潜在エージェント軌道を合成するフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-11T09:23:20Z)
• 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)
• Reflection-Enhanced Meta-Optimization Integrating TextGrad-style Prompt Optimization with Memory-Driven Self-Evolution [0.0]
  本稿では,メモリ拡張リフレクションRetrievalRAGモジュールと自己適応型メタコントローラを統合するフレームワークを提案する。 REMOは、計算オーバーヘッドの増加にもかかわらず、より安定で堅牢なチューニングを実現する。
  論文  参考訳（メタデータ） (2025-08-26T07:25:45Z)
• SymRTLO: Enhancing RTL Code Optimization with LLMs and Neuron-Inspired Symbolic Reasoning [30.938876549335067]
  本稿では,新しいニューロン-シンボリックRTL最適化フレームワークであるSymRTLOを提案する。 有限状態機械(FSM)論理の解析と最適化のための記号モジュールを提案する。 Synopsys Design Compiler と Yosys による RTL-Rewriter ベンチマークの実験では、SymRTLO は 43.9% と 62.5% と 51.1% に向上している。
  論文  参考訳（メタデータ） (2025-04-14T16:15:55Z)
• Will Pre-Training Ever End? A First Step Toward Next-Generation Foundation MLLMs via Self-Improving Systematic Cognition [89.50068130832635]
  自己改善認知 (SIcog) は、マルチモーダル知識によって次世代のMLLMを構築するための自己学習フレームワークである。 ステップバイステップの視覚的理解のためのChain-of-Descriptionを提案し、詳細なマルチモーダル推論をサポートするために構造化されたChain-of-Thought(CoT)推論を統合する。 実験は、マルチモーダル認知を増強したMLLMの開発におけるSIcogの有効性を示す。
  論文  参考訳（メタデータ） (2025-03-16T00:25:13Z)
• VeriMind: Agentic LLM for Automated Verilog Generation with a Novel Evaluation Metric [4.590930025882158]
  We propose VeriMind, a agentic LLM framework for Verilog code generation。 本稿では,従来のpass@k測度とARC(Average Refinement Cycles)を組み合わせた新しい評価手法を提案する。 様々なハードウェア設計タスクの実験結果によると、我々のアプローチはpass@kメトリックで最大8.3%、pass@ARCメトリックで最大8.1%向上した。
  論文  参考訳（メタデータ） (2025-03-15T23:43:06Z)

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。