Fugu-MT 論文翻訳(概要): Evidence-Driven LLM Agent for C-to-Synthesizable-C Conversion and Verification

論文の概要: Evidence-Driven LLM Agent for C-to-Synthesizable-C Conversion and Verification

arxiv url: http://arxiv.org/abs/2606.28409v1
Date: Thu, 25 Jun 2026 02:55:02 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-30 18:07:15.550963
Title: Evidence-Driven LLM Agent for C-to-Synthesizable-C Conversion and Verification
Title（参考訳）: C-to-synthesizable-C変換と検証のためのエビデンス駆動型LCMエージェント
Abstract要約: Cプログラムは、高レベル合成(HLS)ツールチェーンの4段階のパイプラインを完了できない。我々は,HLSツール上でのC-to-HLS-C変換をクローズドループ生成-検証-診断-修復問題として定式化する。
参考スコア（独自算出の注目度）: 3.285367305212235
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Software-compilable C programs routinely fail to complete the four-stage pipeline of a high-level synthesis (HLS) toolchain -- compilation, C simulation (CSim), synthesis, and C/RTL co-simulation (CoSim) -- because HLS accepts only a synthesizable subset of C (HLS-C). Yet most existing large language model (LLM) systems built for HLS code repair only cover the early pipeline stages and feed raw tool logs directly to the model, yielding brittle and hard-to-reproduce fixes. We formulate C-to-HLS-C conversion as a closed-loop generation-verification-diagnosis-repair problem on an HLS tool (Xilinx Vitis), contributing three components: an end-to-end workflow of cooperating agents closed by the four-stage verifier under strict evidence isolation; a Progressive Mismatch Localization Chain (PMLC) that localizes CSim/CoSim mismatches through log normalization, AST backward slicing, and dual-trace instrumentation; and a typed-query, two-stage evidence RAG backed by a self-evolving, family-routed repair-card pool. Experimental results show that the proposed workflow substantially outperforms all comparable state-of-the-art models.
Abstract（参考訳）: ソフトウェアコンパイル可能なCプログラムは、HLSがC(HLS-C)の合成可能なサブセットのみを受け入れるため、高レベル合成(HLS)ツールチェーン(コンパイル、Cシミュレーション(CSim)、合成、C/RTLコシミュレーション(CoSim))の4段階のパイプラインを正常に完了できない。しかし、HLSコード修復のために構築された既存の大規模言語モデル(LLM)システムのほとんどは、初期のパイプラインステージのみをカバーし、生のツールログをモデルに直接供給する。 C-to-HLS-C変換をHLSツール(Xilinx Vitis)上でのクローズドループ生成-検証-診断-修復問題として定式化し、厳密な証拠分離の下で4段検証器で閉じたエージェントのエンドツーエンドワークフロー、CSim/CoSimミスマッチをログ正規化、ASTバックスライシング、デュアルトレースインスツルメンテーションによりローカライズするプログレッシブ・ミストマッチ・ローカライゼーション・チェイン(PMLC)、そして、自己進化、ファミリーローカライズされた修理カードプールを背景とした2段階の証明RAGの3つのコンポーネントを提供する。実験結果から,提案したワークフローは,ほぼ同等の最先端モデルよりも優れていることがわかった。

関連論文リスト

Foundational Constraint Solving for Expressive Refinement Typing [0.9624643581968987]
LEANで実装された制約付きホーンクロース(CHC)ソルバであるFLEXについて述べる。 FLEXは,信頼性の高いベースをカーネルのみに還元し,LEANの証明エコシステム全体を低レベルシステムコードの検証に利用することができることを示す。
論文参考訳（メタデータ） (2026-07-14T00:15:23Z)
From I/O to Code with Discovery Agent [103.88427301265669]
IO2Codeの発見エージェントであるDIO-Agentを提案する。本手法は,プログラム空間上の進化的探索としてIO2Codeをフレーム化する。大規模な実験により、DIO-Agentは従来のプログラムバイサンプル法とSOTA進化エージェントベースラインの両方を一貫して上回っていることが示された。
論文参考訳（メタデータ） (2026-05-14T18:57:32Z)
ChipMATE: Multi-Agent Training via Reinforcement Learning for Enhanced RTL Generation [55.947962672433675]
ChipMATEは、RTL生成のための最初の自己学習型マルチエージェントフレームワークである。 ChipMATEは産業的な実践に触発され、VerilogエージェントとPythonのリファレンスモデルエージェントをペアにし、相互に出力を検証する。 ChipMATEは、VerilogEval V2で75.0%と80.1%パス@1を4Bと9Bベースモデルで達成している。
論文参考訳（メタデータ） (2026-05-13T01:04:21Z)
Training LLMs for Multi-Step Tool Orchestration with Constrained Data Synthesis and Graduated Rewards [76.49428173793386]
LLMは、中間出力を伝搬しながら、正しい順序で複数の依存APIを呼び出す必要がある。既存の環境は、シミュレーションデータを使った単純なターン毎の関数呼び出しとバイナリ報酬に重点を置いている。まず、実APIレスポンスの大規模キャッシュを背景とした強化学習環境を構築し、有効なマルチステップオーケストレーショントレースをサンプリングするデータ合成パイプラインを実現する。第二に、正当性を原子の妥当性とオーケストレーションに分解する、段階的な報酬設計を提案する。
論文参考訳（メタデータ） (2026-03-25T18:31:39Z)
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)
Focus Session: LLM4PQC -- An Agentic Framework for Accurate and Efficient Synthesis of PQC Cores [12.18204758079849]
ポスト量子暗号(PQC)ハードウェアの設計は複雑で階層的なプロセスである。主なボトルネックは、PQC参照コードをCから高レベル合成(HLS)仕様に変換することである。本稿では,高レベルPQC仕様と参照Cコードを合成可能なCコードに合成するエージェントフレームワーク LLM4PQC を提案する。
論文参考訳（メタデータ） (2026-02-10T15:53:37Z)
TermiGen: High-Fidelity Environment and Robust Trajectory Synthesis for Terminal Agents [70.68963723787424]
TermiGenは検証可能な環境とレジリエントな専門家軌道を合成するためのエンドツーエンドパイプラインである。 TermiGen-Qwen2.5-Coder-32B は TerminalBench 上で 31.3% のパスレートを達成した。
論文参考訳（メタデータ） (2026-02-06T23:56:50Z)
Veri-Sure: A Contract-Aware Multi-Agent Framework with Temporal Tracing and Formal Verification for Correct RTL Code Generation [4.723302382132762]
シリコングレードの正しさは、 (i) シミュレーション中心の評価の限られたカバレッジと信頼性、 (ii) 回帰と修復幻覚、 (iii) エージェントハンドオフ間で意図が再解釈される意味的ドリフトによってボトルネックが残っている。エージェントの意図を整合させる設計契約を確立するマルチエージェントフレームワークであるVeri-Sureを提案する。
論文参考訳（メタデータ） (2026-01-27T16:10:23Z)
Scaling Code-Assisted Chain-of-Thoughts and Instructions for Model Reasoning [65.20602712957725]
Cacoは、高品質で検証可能な多様な命令-CoT推論データの合成を自動化する新しいフレームワークである。我々の研究は、人間の介入なしに自己持続的で信頼できる推論システムを構築するためのパラダイムを確立します。
論文参考訳（メタデータ） (2025-10-05T07:59:24Z)
Training Language Models to Generate Quality Code with Program Analysis Feedback [66.0854002147103]
大規模言語モデル(LLM)によるコード生成は、ますます本番環境で採用されているが、コード品質の保証には失敗している。実運用品質のコードを生成するためにLLMにインセンティブを与える強化学習フレームワークであるREALを提案する。
論文参考訳（メタデータ） (2025-05-28T17:57:47Z)
HLSTester: Efficient Testing of Behavioral Discrepancies with LLMs for High-Level Synthesis [4.544714097232974]
高レベル合成(HLS)における行動の相違をテストする既存の方法はまだ未熟である。本研究では,大規模言語モデル(LLM)を用いたテストフレームワークHLSTesterを提案する。 LLMの幻覚を緩和するために、オリジナルのC/C++プログラムのテストベンチを利用して、LS互換のテストベンチを生成する。
論文参考訳（メタデータ） (2025-04-20T14:45:01Z)

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。