論文の概要: HighTide: An Agent-Curated Open-Source VLSI Benchmark Suite

• arxiv url: http://arxiv.org/abs/2606.04126v1
• Date: Tue, 02 Jun 2026 18:34:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.326372
• Title: HighTide: An Agent-Curated Open-Source VLSI Benchmark Suite
• Title（参考訳）: HighTide: エージェントキュートなオープンソースVLSIベンチマークスイート
• Authors: Benjamin Goldblatt, Paolo Pedroso, Farhad Modaresi, Ethan Sifferman, Matthew R. Guthaus,
• Abstract要約: HighTideは進化中のAI支援ベンチマークスイートだ。 このスイートは公開されており、オープンソースのハードウェアエコシステムと共に成長するよう設計されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce HighTide, an evolving AI-assisted benchmark suite. Specifically, the contributions are: (i) a diverse open-source suite spanning multiple design languages and technology nodes, (ii) Bazel-based incremental RTL-to-GDS compilation with remote caching, (iii) AI-assisted design curation through twelve agent skills covering the design lifecycle, flow optimization, tool reference, and meta-maintenance, backed by per-design decision logs that serve as long-term memory of tuning rationale across the suite, and (iv) an infrastructure with RTL compilation verification for stable releases. The suite is publicly available and designed to grow with the open-source hardware ecosystem.
• Abstract（参考訳）: 進化中のAI支援ベンチマークスイートであるHighTideを紹介する。 特に、貢献は以下の通りである。 i) 複数の設計言語と技術ノードにまたがる多様なオープンソーススイート。 (ii)リモートキャッシュによるBazelベースのインクリメンタルRTL-to-GDSコンパイル 3 設計ライフサイクル、フロー最適化、ツール参照、メタメンテナンスをカバーした12のエージェントスキルによるAI支援設計キュレーション。 (iv) 安定したリリースのためのRTLコンパイル検証を備えたインフラストラクチャ。 このスイートは公開されており、オープンソースのハードウェアエコシステムと共に成長するよう設計されている。

関連論文リスト

• AutoVecCoder: Teaching LLMs to Generate Explicitly Vectorized Code [69.84692701646769]
  AutoVecCoderは、大規模言語モデルに自動明示的ベクトル化機能を持たせるために設計された新しいフレームワークである。 自動データ合成パイプラインであるVecPromptは、ドメイン固有の固有の知識を注入する。 強化学習フレームワークであるVecRLは、コード生成と実行効率を一致させる。 このフレームワークでトレーニングされたAutoVecCoder-8Bは、SimdBenchのSSEおよびAVXサブセット上で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-05-18T07:33:15Z)
• ArchBench: Benchmarking Generative-AI for Software Architecture Tasks [0.0]
  ArchBenchは、ソフトウェアアーキテクチャタスクで大規模言語モデルをベンチマークするための最初の統一プラットフォームである。 データセットのダウンロード、トラジェクトリロギングによる推論、自動評価のための標準化されたパイプラインを備えたコマンドラインツールを提供する。
  論文  参考訳（メタデータ） (2026-03-18T15:26:46Z)
• xLLM Technical Report [57.13120905321185]
  我々は,知的かつ効率的なLarge Language Model (LLM)推論フレームワークであるxLLMを紹介する。 xLLMは、新しい分離されたサービスエンジンアーキテクチャを構築する。 xLLM-Engineは、システムとアルゴリズムの設計を最適化し、コンピュータリソースを完全に飽和させる。
  論文  参考訳（メタデータ） (2025-10-16T13:53:47Z)
• VerlTool: Towards Holistic Agentic Reinforcement Learning with Tool Use [78.29315418819074]
  VerlToolは、体系的な設計原則を通じて制限に対処する統一的でモジュール化されたフレームワークです。 我々のフレームワークはARLTをマルチターントラジェクトリとして定式化し、マルチモード観測トークン(テキスト/画像/ビデオ)を単一ターンRLVRパラダイムを超えて拡張する。 モジュール化されたプラグインアーキテクチャは、軽量Python定義のみを必要とする迅速なツール統合を可能にする。
  論文  参考訳（メタデータ） (2025-09-01T01:45:18Z)
• GAICo: A Deployed and Extensible Framework for Evaluating Diverse and Multimodal Generative AI Outputs [8.34331981959369]
  GAICo (Generative AI Comparator): GenAI出力比較を標準化したオープンソースのPythonライブラリ。 GAICoは、構造化されていないテキスト、構造化データフォーマット、マルチメディアのための、包括的な参照ベースのメトリクススイートをサポートする統一されたフレームワークを提供する。 2025年6月にPyPIがリリースされて以来、このツールはバージョンで13K回ダウンロードされ、コミュニティの関心が高まっている。
  論文  参考訳（メタデータ） (2025-08-22T19:13:21Z)
• UltraRAG: A Modular and Automated Toolkit for Adaptive Retrieval-Augmented Generation [64.79921229760332]
  Retrieval-Augmented Generation (RAG) は、下流タスクにおける大規模言語モデル(LLM)の性能を大幅に向上させる。 既存のRAGツールキットは、特定のアプリケーションシナリオに適した知識適応をサポートしていない。 ワークフロー全体を通して知識適応を自動化するRAGツールキットであるUltraRAGを提案する。
  論文  参考訳（メタデータ） (2025-03-31T03:49:49Z)
• Verilog-to-PyG -- A Framework for Graph Learning and Augmentation on RTL Designs [15.67829950106923]
  本稿では,RTL設計をグラフ表現基盤に変換する,革新的なオープンソースフレームワークを提案する。 Verilog-to-PyG(V2PYG)フレームワークは、オープンソースのElectronic Design Automation(EDA)ツールチェーンOpenROADと互換性がある。 本稿では, グラフベースのRTL設計データベースの構築のために, 機能的等価設計拡張を可能にする新しいRTLデータ拡張手法を提案する。
  論文  参考訳（メタデータ） (2023-11-09T20:11:40Z)
• SEER: Super-Optimization Explorer for HLS using E-graph Rewriting with MLIR [0.3124884279860061]
  高レベル合成(英: High-level synthesis, HLS)とは、ソフトウェアプログラムを高レベル言語で自動的に低レベルなハードウェア記述に変換するプロセスである。 本稿では、任意のソフトウェアプログラムをHLS効率の良いコードに自動的に書き換えるHLSの超最適化手法を提案する。 この結果から,SEERは元のプログラムの1.4倍の範囲で最大38倍の性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2023-08-15T09:05:27Z)

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。