論文の概要: Dictionary-Guided Mutation Operators for Automated HDL Repair
- arxiv url: http://arxiv.org/abs/2609.01775v1
- Date: Tue, 01 Sep 2026 18:43:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 17:53:17.881647
- Title: Dictionary-Guided Mutation Operators for Automated HDL Repair
- Title（参考訳）: 自動HDL修復のための辞書誘導変異演算子
- Abstract要約: 本稿では,ANTLR由来のDUT固有突然変異語彙とシミュレーション分割故障局所化モジュールを組み合わせた辞書誘導型HDL修復システムを提案する。
提案手法は,CirFixでは修正できない6桁のマルチバグインスタンスを含む,14のバグ変種に対して,正しいオラクルパスの修正を生成する。
- 参考スコア（独自算出の注目度）: 0.8450904497835263
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated repair of Hardware Description Language (HDL) designs remains challenging due to the large search space of candidate repairs and the strict syntactic and semantic constraints imposed by HDL grammars. Generic mutation strategies overwhelmingly generate syntactically invalid candidates that waste compilation and simulation budget, while synthesis-driven and template-based approaches impose their own constraints on generality and portability. In this paper, we propose a dictionary-guided HDL repair system that combines ANTLR-derived DUT-specific mutation vocabularies with a simulation-divergence fault localization (FL) module. The mutation operator applies category-constrained token substitutions, insertions, and deletions directly to Verilog source via regex-based matching, without requiring AST manipulation or synthesis. The FL module identifies diverging output wires from a single simulation run and scores source lines by structural proximity to those signals, directing the mutation search toward high-suspicion regions. A deterministic targeted sweep exhausts all dictionary mutations on the highest-scored lines before falling back to a genetic programming (GP) search. Evaluated on the CirFix benchmark suite across six design under test (DUT) families, the proposed approach produces correct oracle-passing repairs on 14 bug variants, including a 6-edit multi-bug instance that CirFix cannot repair, and achieves an 18x speedup over CirFix on a two-edit benchmark variant. These results indicate that dictionary-constrained mutation operators, combined with lightweight simulation-divergence FL, are a practical and competitive approach to automated HDL repair for common bug classes without formal analysis or synthesis dependencies.
- Abstract（参考訳）: ハードウェア記述言語(HDL)設計の自動修復は、候補修復の膨大な検索スペースと、HDL文法が課す厳密な構文的・意味的制約により、依然として困難である。
ジェネリック突然変異戦略は、コンパイルとシミュレーション予算を浪費する構文的に無効な候補を圧倒的に生成する一方、合成駆動およびテンプレートベースのアプローチは、一般性と可搬性に独自の制約を課す。
本稿では,ANTLR由来のDUT変異語彙とFLモジュールを併用した辞書誘導型HDL修復システムを提案する。
突然変異演算子は、AST操作や合成を必要とせず、regexベースのマッチングを介して、カテゴリ制限されたトークン置換、挿入、削除を直接Verilogソースに直接適用する。
FLモジュールは、単一のシミュレーションランから発散する出力ワイヤを特定し、これらの信号に構造的近接してソースラインをスコアし、突然変異探索を高解像度領域に向ける。
決定論的対象の網羅は、遺伝子プログラミング(GP)探索に戻る前に、最上位の線で全ての辞書の突然変異を網羅する。
提案手法はCirFixベンチマークスイートを6つの設計対象(DUT)ファミリーで評価し、CirFixが修復できない6桁のマルチバグインスタンスを含む14のバグ変種に対して正しいオラクルパスの修正を生成し、CirFixを2桁のベンチマーク変種で18倍のスピードアップを達成する。
これらの結果から, 辞書制約突然変異演算子と軽量なシミュレーション分割FLは, 公式な解析や合成に依存しない共通バグクラスに対するHDL自動修復の実用的で競争力のあるアプローチであることが示唆された。
関連論文リスト
- IR2Solve: Structured Intermediate Representations for Cost-Efficient Optimization Autoformulation [15.520617657780578]
大規模言語モデル(LLM)は、自然言語の最適化問題をソルバ対応の定式化に変換することができるが、直接コード生成は脆弱である。
本稿では、スキーマ制約付きモデルIRを生成するために単一のセマンティックコールを使用する、中間表現優先のオートフォーミュレーションパイプラインIR2を提案する。
具体的なスカラー制約は、有限個のインデックス単位の制約族を個々のエントリとして表現し、自由インデックスと暗黙の量子化エラーを減らす。
論文 参考訳（メタデータ） (2026-07-31T13:36:26Z) - One Rewrite to Fix Them All? Type-Aware Repair Allocation for Text-to-Image Prompt Optimization [59.164665622252016]
テキスト・トゥ・イメージ(T2I)ジェネレータは、間違ったカウント、スワップされた属性、あいまいな関係、不可解なテキストを生成し、そのプロンプトに忠実に従わないことが多い。
Prompt最適化は、ユーザプロンプトを書き換えて、ジェネレータの再トレーニングを必要としないことで、このような障害を修復する。
失敗する各命題は、結果のローカル制約が1つの実行可能なプロンプトにコンパイルされる前に、タイプ条件の修復演算子にルーティングされる。
論文 参考訳（メタデータ） (2026-07-21T05:31:43Z) - Prototype-Anchored Generalized Manifold Regression for Unknown-Domain Object Detection [58.25418970608328]
単一ソースドメイン上でトレーニングされた検出器を複数の未確認領域に転送することを目的としたシングルドメイン一般化オブジェクト検出(Single-DGOD)について検討する。
既存の手法は主に、トレーニング分布を拡大するために、データ拡張やテキストプロンプトといったシミュレーション駆動の戦略に依存している。
本稿では, 未知領域の一般化を多様体回帰問題として定式化する, Visual-Text Dual Chain-of-Thought (MR-DCoT) を用いたマニフォールド回帰を提案する。
論文 参考訳（メタデータ） (2026-07-08T09:27:15Z) - Weave of Formal Thought [51.56484100374058]
WoFT(Weave of Formal Thought)は、厳密な構文的検証と学習された構造的表現を結合したパラダイムである。
本稿では,非終端文法記号を直接生成にインターリーブするために,言語モデルを訓練する潜時可変微調整法を提案する。
Pythonでは、RWS目的のStarCoder2-3Bを微調整することで、テキストのみのSFTベースラインと比較して、トーケン毎のクロスエントロピーが14.3%削減される。
論文 参考訳（メタデータ） (2026-06-24T15:58:11Z) - 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) - CktFormalizer: Autoformalization of Natural Language into Circuit Representations [23.44745731124114]
CktFormalizerは、Lean 4.0に組み込まれた依存型HDLを通じてハードウェア生成をリダイレクトするフレームワークである。
VerilogEval(156問題)、RTLLM(50問題)、ResBench(56問題)では、CktFormalizerは直接Verilog生成と競合するシミュレーションパスレートを達成する。
論文 参考訳（メタデータ） (2026-05-08T14:20:06Z) - How LLMs Fail and Generalize in RTL Coding for Hardware Design? [56.361436215029045]
我々は,認知理論に触発された問題解決性に基づく新しい誤り分類法を導入する。
我々の分類学は、障害を構文、意味、解決可能な機能、解決不可能な機能タイプに分類する。
論文 参考訳（メタデータ） (2026-04-26T14:34:49Z) - 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) - SymRTLO: Enhancing RTL Code Optimization with LLMs and Neuron-Inspired Symbolic Reasoning [30.938876549335067]
本稿では,新しいニューロン-シンボリックRTL最適化フレームワークであるSymRTLOを提案する。
有限状態機械(FSM)論理の解析と最適化のための記号モジュールを提案する。
Synopsys Design Compiler と Yosys による RTL-Rewriter ベンチマークの実験では、SymRTLO は 43.9% と 62.5% と 51.1% に向上している。
論文 参考訳（メタデータ） (2025-04-14T16:15:55Z) - Fuzzing MLIR Compilers with Custom Mutation Synthesis [6.617861009996863]
我々は、文法に基づくファジィとカスタム合成突然変異を組み合わせたSynTHFUZZと呼ばれる新しいテストジェネレータを開発した。
各方言のカスタム突然変異演算子を手動で定義する必要がなくなる。
評価の結果,SynTHFUZはMLIRの方言対のカバレッジを1.75倍に改善し,ブランチのカバレッジを1.22倍に向上させることがわかった。
論文 参考訳（メタデータ） (2024-04-25T18:00:37Z) - HyPoradise: An Open Baseline for Generative Speech Recognition with
Large Language Models [81.56455625624041]
ASRの誤り訂正に外部の大規模言語モデル(LLM)を利用する最初のオープンソースベンチマークを導入する。
提案したベンチマークには、334,000組以上のN-best仮説を含む新しいデータセットHyPoradise (HP)が含まれている。
合理的なプロンプトと生成能力を持つLLMは、N-bestリストに欠けているトークンを修正できる。
論文 参考訳（メタデータ） (2023-09-27T14:44:10Z)
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。