論文の概要: ContractHIL-HLS: Contract-Aligned Multi-Agent Workflow with Hardware-in-the-Loop Feedback for HLS Design
- arxiv url: http://arxiv.org/abs/2607.25283v1
- Date: Tue, 28 Jul 2026 04:41:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.713862
- Title: ContractHIL-HLS: Contract-Aligned Multi-Agent Workflow with Hardware-in-the-Loop Feedback for HLS Design
- Title（参考訳）: ContractHIL-HLS:HLS設計のためのハードウェア・イン・ザ・ループフィードバック付きコントラクト対応マルチエージェントワークフロー
- Abstract要約: 本稿では,HLSエンジニアリングのための契約整合型マルチエージェントワークフローであるContractHIL-HLSを提案する。
自然言語要求を明示的なインターフェース、制約、バリデーションチェック、ロールバックルールに変換する、セマンティックアライメントとタスク実行アーティファクトとして構造化されたコントラクトを導入する。
HLS、Vivado、PYNQランタイム、パワー、障害エビデンスを世代にフィードバックすることで、ハードウェア情報をフィードバックループに組み込む。
- 参考スコア（独自算出の注目度）: 10.287237931083189
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents ContractHIL-HLS, a contract-aligned multi-agent workflow for practical high-level synthesis (HLS) engineering. The workflow makes three contributions. First, it introduces a structured contract as the semantic-alignment and task-execution artifact that translates natural language requirements into explicit interfaces, constraints, validation checks, and rollback rules. Second, it incorporates hardware information into the feedback loop by feeding HLS, Vivado, PYNQ runtime, power, and failure evidence back into generation, thereby extending LLM-assisted HLS from kernel code toward system- and board-level closure. Third, it decomposes agents by semantic lowering and execution tasks rather than by conversational roles: a Contract Agent lowers natural language into the contract, an HTML Agent renders the contract as persistent structured HTML, and a Hardware-in-the-Loop Agent implements and revises the design with measured evidence. We evaluate ContractHIL-HLS in two parts. On 94 locally executable HLS-Eval tasks, the structured contract provides the largest small design gain, improving the estimated single-sample testbench pass rate from 64.0% to 70.2%; the full flow reaches 70.4% pass@1 and 76.6% pass@5. Because HLS-Eval does not exercise board-level design, we also validate ContractHIL-HLS on a board tested ML-KEM/ML-DSA post-quantum cryptography (PQC) secure-message accelerator, where the retained dual-bitstream organization reduces six-message average text runtime from 207.3 ms to 52.4 ms with positive routed WNS on both images while preserving decrypted-message verification. We open-source our work at BJUT-CS316-LAB/ContractHIL-HLS (https://github.com/BJUT-CS316-LAB/ContractHIL-HLS).
- Abstract（参考訳）: 本稿では,HLSエンジニアリングのための契約整合型マルチエージェントワークフローであるContractHIL-HLSを提案する。
ワークフローには3つのコントリビューションがある。
まず、自然言語要求を明示的なインターフェース、制約、バリデーションチェック、ロールバックルールに変換するセマンティックアライメントとタスク実行アーティファクトとして構造化されたコントラクトを導入する。
第2に、HLS、Vivado、PYNQランタイム、パワー、障害エビデンスを生成にフィードバックすることで、ハードウェア情報をフィードバックループに組み込むことにより、LLM支援のHLSをカーネルコードからシステムおよびボードレベルのクロージャへと拡張する。
契約エージェントは自然言語を契約に下ろし、HTMLエージェントは契約を永続的な構造化されたHTMLとしてレンダリングし、ハードウェア・イン・ザ・ループエージェントは、測定された証拠で設計を実装し、修正する。
契約HIL-HLSを2つの部分で評価した。
94のローカル実行可能なHLS-Evalタスクでは、構造化されたコントラクトが最大の小さな設計上のゲインを提供し、単一サンプルテストベンチのパスレートを64.0%から70.2%に改善し、フルフローは70.4% pass@1と76.6% pass@5に達する。
HLS-Evalはボードレベルの設計を行なわないため、ML-KEM/ML-DSAポスト量子暗号(PQC)セキュアメッセージアクセラレータ上でのContractHIL-HLSの検証も行う。
我々は、BJUT-CS316-LAB/ContractHIL-HLS(https://github.com/BJUT-CS316-LAB/ContractHIL-HLS)で仕事をオープンソース化しました。
関連論文リスト
- Unsaid, Unsafe? Implicit Security Obligations in LLM-Based RTL Code Generation [16.148817642071638]
SECRTL-GEN: 5つのCWEファミリーに392のタスクと、ブラックボックス機能およびセキュリティテストベンチを備えた4つのHDL。
機能仕様は、故意にセキュリティ義務を省略し、実際に機能文書から義務がどのように守られているかに一致します。
RTL-Obligerは,これらの暗黙の義務を推論するニューロシンボリックな枠組みである。
論文 参考訳（メタデータ） (2026-08-27T03:59:55Z) - LMSM: LLM Security Framework Inspired by Linux Security Modules [56.93644694627783]
大規模言語モデル(LLM)は階層化されたディフェンスでデプロイされることが多いが、悪意のあるプロンプトはそれらをバイパスすることができる。
我々は,Language Model Security Modules (LMSM) という,Linux Security Modules (LSM) の背後にある分離を LLM サービスに適応させるセキュリティフレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-26T12:13:05Z) - SLICE: Specification-Level Isolation of Contract Enforcement [8.91169891688064]
プログラミングの問題は通常、関数が実行するべき計算と、その入力が満たさなければならない条件の両方を規定する。
既存のコード生成方法は、入力契約と機能要件の両方を識別する生成プロセスを提供していません。
SLICEは、要求を識別し、別々の生成段階を通してそれらに対処する生成フレームワークである。
論文 参考訳（メタデータ） (2026-08-21T09:49:23Z) - AutoACSL: Synthesizing ACSL Specifications by Integrating LLMs with CPG-Based Static Analysis [15.35068883163549]
大規模言語モデルとコードプロパティグラフ(CPG)から抽出したセマンティック機能を統合するフレームワークであるAutoACSLを紹介する。
AutoACSLは静的解析を行い、算術演算、ループと再帰構造、戻り値の伝搬を含む重要な意味要素を抽出する。
仕様生成の成功率は98%、Gemini-3と組み合わせると96%となる。
論文 参考訳（メタデータ） (2026-06-18T22:16:23Z) - HLS-Seek: QoR-Aware Code Generation for High-Level Synthesis via Proxy Comparative Reward Reinforcement Learning [34.436059306800765]
textbfHLS-Seekは、ループ内の高価な合成RLを比較プロキシ報酬モデルで置き換える。
HLS-Seekは81.5%の構文修正パス@1と81.4%のFunc@5を7Bパラメータで達成している。
論文 参考訳（メタデータ） (2026-05-13T13:47:03Z) - Claw-Eval-Live: A Live Agent Benchmark for Evolving Real-World Workflows [67.92316850084575]
ワークフローエージェントのライブベンチマークであるClaw-Eval-Liveを紹介する。
各リリースは、公開ワークフロー要求信号から構築される。
Claw-Eval-Liveは実行トレース、監査ログ、サービス状態、実行後のワークスペースアーティファクトを記録する。
論文 参考訳（メタデータ） (2026-04-30T17:23:19Z) - Communication-Efficient Hybrid Language Model via Uncertainty-Aware Opportunistic and Compressed Transmission [65.17811759381978]
ハイブリッド言語モデル(HLM)は、遠隔大言語モデル(LLM)によって検証され、修正されるドラフトトークンを生成する。
通信効率と不確実性を考慮したHLM(CU-HLM)を提案する。
CU-HLMは、74.8%のトランスミッションを97.4%の語彙圧縮でスキップし、97.4%の精度を維持しながら、最大206$times$高いトークンスループットを達成することを示す。
論文 参考訳（メタデータ） (2025-05-17T02:10:34Z) - HLS-Eval: A Benchmark and Framework for Evaluating LLMs on High-Level Synthesis Design Tasks [4.71707720395444]
HLS-Evalは、HLS駆動設計のための最初の完全なベンチマークおよび評価フレームワークである。
ベンチマークには、標準のHLSベンチマークと新しいソースから描かれた94のユニークな設計が含まれている。
ベンチマーク以外にも、HLS-Evalは、ローカルおよびホストされたLLMの自動化、並列評価のためのモジュール型のPythonフレームワークを提供している。
論文 参考訳（メタデータ） (2025-04-16T17:30:36Z) - SyncMind: Measuring Agent Out-of-Sync Recovery in Collaborative Software Engineering [74.04271300772155]
SyncMindは、ソフトウェア工学において、大きな言語モデル(LLM)エージェントが直面している非同期の問題を体系的に定義するフレームワークである。
SyncMindをベースとしたSyncBenchは,実世界のCSEで24,332のエージェントアウトオブシンクシナリオを特徴とするベンチマークです。
論文 参考訳（メタデータ） (2025-02-10T19:38:36Z) - Uncertainty-Aware Hybrid Inference with On-Device Small and Remote Large Language Models [49.48313161005423]
ハイブリッド言語モデル(HLM)アーキテクチャは、モバイル端末で動作する小さな言語モデル(SLM)と、無線ネットワークの基地局(BS)にホストされる大きな言語モデル(LLM)を統合する。
HLMトークン生成プロセスは、投機的推論の原則に従っている: SLMの語彙分布はLSMにアップロードされ、LPMによって再サンプリングされる。
本研究では,不確実性を考慮したHLM (Uncertainty-aware opportunistic HLM) という新しいHLM構造を提案する。
論文 参考訳（メタデータ） (2024-12-17T09:08:18Z) - SOEN-101: Code Generation by Emulating Software Process Models Using Large Language Model Agents [50.82665351100067]
FlowGenは、複数のLarge Language Model (LLM)エージェントに基づいたソフトウェアプロセスモデルをエミュレートするコード生成フレームワークである。
FlowGenScrumをHumanEval、HumanEval-ET、MBPP、MBPP-ETの4つのベンチマークで評価した。
論文 参考訳（メタデータ） (2024-03-23T14:04:48Z)
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。