論文の概要: DRC-Aid: Design-Rule Correction via Agentic Framework utilizing Inference-Time Large Language Models
- arxiv url: http://arxiv.org/abs/2607.22761v1
- Date: Thu, 23 Jul 2026 21:22:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:14.868354
- Title: DRC-Aid: Design-Rule Correction via Agentic Framework utilizing Inference-Time Large Language Models
- Title（参考訳）: DRC-Aid:推論時間大言語モデルを用いたエージェントフレームワークによる設計ルールの補正
- Abstract要約: 本稿では,ローカルDRC修復を自動化するクローズドループエージェントフレームワークであるDRC-Aidを提案する。
幾何修復空間を制約するために、決定論的ルールエンジンは、物理検証ツールが報告した違反を幾何学的編集の有界メニューに変換する。
DRVを含むFreePDK45レイアウトを評価したところ、DRC-Aidは総違反率98%の92.5%のDRCクリーニング、LVS等価修復を達成した。
- 参考スコア（独自算出の注目度）: 8.310339483962915
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Resolving Design Rule Violations (DRVs) in layouts entails an iterative loop of geometric edits and verification. We present DRC-Aid, a closed-loop agentic framework that automates local DRC repair by formulating it as verification-in-the-loop search. To constrain the combinatorial geometric repair space, a deterministic Rule Engine converts physical verification tool-reported violations into a bounded menu of geometric edits. An off-the-shelf Large Language Model (LLM) evaluates local geometric context to select edits from this menu, with budgeted depth-first search and backtracking. Immediate feedback from verification tools such as Calibre nmDRC/nmLVS enforces geometric compliance and guards against electrical-topology degradation, while a global Memory Bank prevents cyclic re-exploration. Evaluated on FreePDK45 layouts containing DRVs, DRC-Aid achieves DRC-clean, LVS-equivalent repairs in ~92.5% of cases with a ~98% total violation reduction, while residual cases yield partially repaired LVS-equivalent candidates. Under an identical search and verification infrastructure, LLM-based selection outperforms random (54.4%) and deterministic-heuristic (83.3%) policies, with the gap widening on cases with six or more violations.
- Abstract（参考訳）: レイアウトにおける設計規則違反(DRV)の解決には、幾何的な編集と検証の反復ループが必要となる。
本稿では,ローカルDRC修復を自動化するクローズドループエージェントフレームワークであるDRC-Aidを提案する。
組合せ幾何学的補修空間を制約するために、決定論的ルールエンジンは、物理検証ツールが報告した違反を幾何学的編集の有界メニューに変換する。
既成のLarge Language Model (LLM) は、ローカルな幾何学的コンテキストを評価し、このメニューから編集を選択する。
Calibre nmDRC/nmLVSのような検証ツールからの即時フィードバックは、幾何学的コンプライアンスを強制し、電気トポロジー劣化を防ぐ。
DRVを含むFreePDK45レイアウトで評価されたDRC-Aidは、約92.5%のDRCクリーニング、LVS等価な修復を達成し、全体の98%が違反を減らし、残りのケースは部分的に修復されたLVS等価な候補が得られる。
同一の検索・検証基盤の下では、LSMベースの選択はランダム(54.4%)と決定論的・ヒューリスティック(83.3%)のポリシーを上回り、6つ以上の違反のあるケースでギャップが広がる。
関連論文リスト
- MemToC: Benchmarking Memory-Tool Conflict Resolution in Large Language Models [49.47300047353726]
MemToCは、実行時ツールによるポストツール-リターン仲裁のベンチマークである。
MemToCは、542の質制御された事実質問から構築された6,504回の評価エピソードで構成されている。
オープンウェイトな7-9Bモデルでは、ツールが強く支配的なクローズドブックの回答を返す。
論文 参考訳（メタデータ） (2026-08-26T18:22:03Z) - A-SR: Self-Evolving Agentic LLMs for Symbolic Regression via Hierarchical Coordination [51.06539604709775]
本稿では、制御ユニットを表現編集からロール条件のエビデンスビューへシフトさせる自己進化型エージェントフレームワークであるA-SRを提案する。
A-SRは、コーディネートプロトコル、オンライン評価器・リワードロールポリシー、および状態制御プロセスメモリ間のルーティングによる公式発見をコーディネートする。
論文 参考訳（メタデータ） (2026-08-05T14:01:10Z) - SCALE: Self-Supervised Constraint-Aware Layout GEneration for Local P&R DRV Fixing at Advanced Nodes [13.479482121268688]
大規模言語モデル(LLM)は先日、EDAスクリプトとドキュメントで強力な機能を示した。
本稿では,アドバンストノードにおけるローカルDRV修正のための,自己教師付きレイアウト生成ステージを備えたフレームワークを提案する。
このVLMは、局所的なDRV修復のための規則付き幾何学的ガイダンスを提供し、100個の実サブ2nmケースにおいて、最先端エージェントの解法率を+12--25%(最大97%)押し上げる。
論文 参考訳（メタデータ） (2026-07-23T22:38:04Z) - EvoDRC: A Self-Evolving Agentic Framework for Automated DRC Violation Repair [10.171947271419858]
EvoDRCはエージェントブロックレベルのDRC修復のためのスキル進化フレームワークである。
EvoDRCは報告されたベースラインに比べて73.5%の削減を実現している。
論文 参考訳（メタデータ） (2026-07-22T10:59:46Z) - CaVe-VLM-CoT: An Interpretable Vision-Language Model Framework [5.258441633992878]
CaVe-VLM-CoTはモジュールリフレクションベースのエージェントRAGフレームワークである。
5段のクローズド・ループ・パイプラインを通したエビデンス・グラウンドの推論を強制する。
精度は87.1%、ScienceQAのCaVeScoreは56.6%である。
論文 参考訳（メタデータ） (2026-06-16T18:28:47Z) - Citation-Closure Retrieval and Per-Rule Attribution for Real-World Regulatory Compliance Question Answering [54.97384993676565]
複雑な国内R&D規制から派生した運用知識グラフを特徴とする,新たなベンチマークであるRegOps-Benchを用いて,レギュレーションコンプライアンスQAを形式化する。
RefWalkはクロスドキュメントの引用を横切り、マックスベースのアグリゲーションを通じてマルチビュー候補を融合させ、ソースへのクレームを明示的にマッピングするためにルールごとの属性を強制する。
論文 参考訳（メタデータ） (2026-05-28T10:38:38Z) - Four-Axis Decision Alignment for Long-Horizon Enterprise AI Agents [0.0]
長期のエンタープライズエージェントは、失われた記憶、多段階の推論、および規制の制約の下で高い評価を下す。
長距離決定行動は、4つの軸に分解され、それぞれ独立に測定可能で、フェール可能となる。
論文 参考訳（メタデータ） (2026-04-21T13:37:19Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - zkCraft: Prompt-Guided LLM as a Zero-Shot Mutation Pattern Oracle for TCCT-Powered ZK Fuzzing [7.274627641804014]
zkCraftは決定論的、R1CS対応のローカライゼーションと証明付き検索を組み合わせて意味的不整合を検出するフレームワークである。
証明付きローカライゼーションは, 偽陽性が低い多彩な下限および過制約の断層を検出し, コストのかかるソルバ相互作用を低減できることを示す。
論文 参考訳（メタデータ） (2026-01-31T11:31:00Z) - Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。
RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。
批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。
AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
論文 参考訳（メタデータ） (2025-04-21T04:56:47Z) - Adaptive Retrieval and Scalable Indexing for k-NN Search with Cross-Encoders [77.84801537608651]
クエリ-イムペアを共同で符号化することで類似性を計算するクロスエンコーダ(CE)モデルは、クエリ-イム関連性を推定する埋め込みベースモデル(デュアルエンコーダ)よりも優れている。
本稿では,潜時クエリとアイテム埋め込みを効率的に計算してCEスコアを近似し,CE類似度を近似したk-NN探索を行うスパース行列分解法を提案する。
論文 参考訳（メタデータ） (2024-05-06T17:14:34Z)
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。