論文の概要: LLMs in Digital EDA: A perspective on shifting roles from Generation to Orchestration

• arxiv url: http://arxiv.org/abs/2608.27184v1
• Date: Thu, 27 Aug 2026 14:29:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.447944
• Title: LLMs in Digital EDA: A perspective on shifting roles from Generation to Orchestration
• Title（参考訳）: デジタルEDAにおけるLLM : 生成からオーケストレーションへの転換をめざして
• Abstract要約: 大型言語モデル(LLM)は、設計意図からハードウェア実装への直接変換を可能にする。 このパースペクティブは、能力がどのように蓄積されるかを明らかにする3つの階層的な役割を定義します。 これは、物理的に正しいハードウェアではなく、妥当なコードを生成するためにモデルを訓練する構文トラップを明らかにする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Electronic design automation (EDA) has advanced engineering productivity through successive generations of tooling that progressively automate synthesis, optimisation, and verification. Large language models (LLMs) extend this trajectory by enabling direct translation from design intent to hardware implementations. In most of the EDA literature, LLM-based solutions are typically assisting siloed design stages or tasks, however this obscured the drivers by which capability emerges and systems scale. In this Perspective, we instead define three hierarchical roles that reveal how capability accumulates: a Generator that produces design artifacts in a single pass, an Agent that refines outputs through iterative tool feedback, and an Orchestrator that coordinates decisions across EDA-stages. Across published systems, this reveals a syntax trap in which models are trained to produce plausible code rather than physically correct hardware, compounded by fragmented tools and loss of design context that obscure how decisions affect later stages. Comparisons across the three roles show that current approaches struggle to scale to industrial designs, motivating a shift towards a standardised, physics-aware orchestrator that connects tools and agents across the EDA flow for more reliable and accessible hardware design.
• Abstract（参考訳）: 電子設計自動化(EDA)は、合成、最適化、検証を段階的に自動化する一連のツールを通じて、高度なエンジニアリング生産性を持つ。 大規模言語モデル(LLM)はこの軌道を拡張し、設計意図からハードウェア実装への直接変換を可能にする。 ほとんどのEDA文献では、LCMベースのソリューションは典型的にはサイロ化された設計段階やタスクを支援するが、能力とシステムスケールが現れる要因を曖昧にしている。 このパースペクティブでは、ひとつのパスで設計成果物を生成するジェネレータ、反復的なツールフィードバックを通じて出力を洗練するエージェント、EDAステージ全体にわたる決定をコーディネートするオーケストレータの3つの階層的な役割を定義します。 公開されたシステム全体で、これはモデルが物理的に正しいハードウェアではなく、妥当なコードを生成するように訓練される構文トラップを明らかにしている。 これら3つの役割を比較すると、現在のアプローチが産業設計へのスケールアップに苦慮していることが示され、EDAフローにまたがるツールとエージェントを接続し、より信頼性が高くアクセスしやすいハードウェア設計を実現する、標準化された物理対応オーケストレータへのシフトを動機付けている。

関連論文リスト

• AgentX: Towards Agent-Driven Self-Iteration of Industrial Recommender Systems [82.01232437066487]
  AgentXはプロダクションデプロイされたマルチエージェントシステムで、このプロダクション機能を再構築する。 自律的に生成し、実装し、評価し、レコメンデーション実験から学ぶ。 AgentXは4つの密結合したステージをクローズドループでオーケストレーションする。
  論文  参考訳（メタデータ） (2026-06-25T10:42:28Z)
• The Evolution of Tool Use in LLM Agents: From Single-Tool Call to Multi-Tool Orchestration [58.61149924275458]
  ツールの使用により、大きな言語モデルが外部情報にアクセスし、ソフトウェアシステムを実行し、モデルパラメータだけで解決できるもの以外のデジタル環境で動作することができる。 エージェントシステムが進化するにつれて、中央の問題は、中途半端な状態、実行フィードバック、環境の変化、安全性、コスト、検証可能性といった実践的な制約によって、孤立呼び出しからマルチツールオーケストレーションへと移行した。 推論時の計画と実行、トレーニングと軌道構築、安全と制御、リソース制約下での効率性、オープン環境における能力の完全性、およびベンチマーク設計と評価の6つの分野に関する文献を整理する。
  論文  参考訳（メタデータ） (2026-03-24T07:05:05Z)
• 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)
• DUCTILE: Agentic LLM Orchestration of Engineering Analysis in Product Development Practice [41.99844472131922]
  製品開発におけるエンジニアリング分析の自動化は、ツール、データフォーマット、ドキュメントプロセス間の厳密なインターフェースに依存しています。 本稿では DUCTILE (Delegated, User-supervised Coordination of Tool- and document-Integrated LLM-Enabled) エージェントオーケストレーションについて述べる。 エージェントは、文書化された設計プラクティスを解釈し、入力データを検査し、処理パスを適応し、エンジニアは最終判断を監督し、実行する。
  論文  参考訳（メタデータ） (2026-03-10T22:00:47Z)
• EmboCoach-Bench: Benchmarking AI Agents on Developing Embodied Robots [68.29056647487519]
  Embodied AIは、高忠実度シミュレーションと大規模データ収集によって実現されている。 しかし、このスケーリング能力は、労働集約的な手作業の監視に依存しているため、いまだにボトルネックになっている。 実装ポリシーを自律的に構築するための LLM エージェントの能力を評価するベンチマークである textscEmboCoach-Bench を紹介する。
  論文  参考訳（メタデータ） (2026-01-29T11:33:49Z)
• AnaFlow: Agentic LLM-based Workflow for Reasoning-Driven Explainable and Sample-Efficient Analog Circuit Sizing [1.2617078020344616]
  サンプル効率と説明可能なアナログ回路サイズのための新しいエージェントAIフレームワークを提案する。 AnaFlowフレームワークは、複雑さの異なる2つの回路で実証されており、サイズタスクを完全に完了することができる。 固有の説明可能性により、アナログ設計空間探索の強力なツールとなり、アナログEDAの新しいパラダイムとなる。
  論文  参考訳（メタデータ） (2025-11-05T18:24:01Z)
• A Multidisciplinary Design and Optimization (MDO) Agent Driven by Large Language Models [7.509742996975501]
  大規模言語モデル(LLM)によって駆動されるマルチディシプリナ・デザイン・最適化(MDO)エージェントを提案する。 エージェントは、(i)自然言語駆動パラメトリックモデリング、(ii)知識基底概念化のための検索拡張生成(RAG)、(iii)パフォーマンス検証と最適化のためのエンジニアリングソフトウェアのインテリジェントなオーケストレーションという3つのコア機能を編成することで、エンドツーエンドのワークフローを半自動化する。
  論文  参考訳（メタデータ） (2025-10-06T01:26:55Z)
• Large Language Models (LLMs) for Electronic Design Automation (EDA) [18.960099922485515]
  大規模言語モデル(LLM)は、文脈理解、論理的推論、生成能力において顕著な進歩を見せている。 本稿では,LEMをEDAに組み込むことについて概観し,その能力,限界,今後の可能性について述べる。
  論文  参考訳（メタデータ） (2025-08-27T16:33:51Z)
• A Survey on Code Generation with LLM-based Agents [61.474191493322415]
  大規模言語モデル(LLM)を利用したコード生成エージェントは、ソフトウェア開発パラダイムに革命をもたらしている。 LLMは3つのコア特徴によって特徴づけられる。 本稿では,LLMに基づくコード生成エージェントの分野を体系的に調査する。
  論文  参考訳（メタデータ） (2025-07-31T18:17:36Z)
• Hey AI, Generate Me a Hardware Code! Agentic AI-based Hardware Design & Verification [2.8236458753814233]
  本稿では,エージェントAIを用いたハードウェア設計検証手法を提案する。 エージェントAIベースのアプローチは、Humain-in-the-Loop(HITL)介入と連携して、よりダイナミックで反復的で自己反映的なプロセスに従事するAIエージェントに権限を与える。 この手法は5つのオープンソース設計で評価され、95%以上のカバレッジを達成し、検証時間を短縮する。
  論文  参考訳（メタデータ） (2025-07-03T14:20:57Z)
• Specifications: The missing link to making the development of LLM systems an engineering discipline [65.10077876035417]
  我々は、構造化出力、プロセスの監督、テストタイム計算など、これまでの分野の進歩について論じる。 モジュール型かつ信頼性の高いLCMシステムの開発に向けた研究の今後の方向性について概説する。
  論文  参考訳（メタデータ） (2024-11-25T07:48:31Z)

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。