論文の概要: HLSFactory-Agent: Large-Scale Agentic HLS Dataset Construction from Academic and Open-Source Projects

• arxiv url: http://arxiv.org/abs/2609.09519v1
• Date: Tue, 08 Sep 2026 23:02:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.841593
• Title: HLSFactory-Agent: Large-Scale Agentic HLS Dataset Construction from Academic and Open-Source Projects
• Title（参考訳）: HLSFactory-Agent:学術・オープンソースプロジェクトによる大規模エージェントHLSデータセットの構築
• Abstract要約: 高レベル合成(HLS)設計の大規模で多様なデータセットの構築は、依然としてオープンな課題である。 本稿では,大規模なHLSデータセットのキュレーションを自動化するLLMエージェントHLSFactory-Agentを提案する。 オープンソースPiエージェントフレームワークをDockerコンテナ内で実行し、抽出された各設計の構築と評価を行う。 我々は,コンピュータアーキテクチャ,EDA,FPGAカンファレンスから論文を抽出・インデックスするオープンソーススクリプトを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Building large, diverse datasets of high-level synthesis (HLS) designs beyond common community benchmarks remains an open challenge. This challenge is made urgent by the rise of deep learning and LLMs for hardware design, which demand such datasets to train QoR models and benchmark LLMs on HLS tasks. Despite ongoing efforts to broaden sources, dataset curation still depends on manual work: locating HLS designs across academic publications and open source, then extracting standalone designs from larger codebases. The process is error-prone and demands expert knowledge, iterative testing, and substantial per-repository engineering. To address this, we present HLSFactory-Agent, an LLM agent that automates large-scale HLS dataset curation by extracting standalone designs from larger codebases. HLSFactory-Agent runs the open-source Pi agent framework inside Docker containers to build and evaluate each extracted design. This turnkey automation allows users to pass a GitHub link or code directory to HLSFactory-Agent and receive a folder of extracted HLS designs ready to be integrated into the HLSFactory dataset framework. Additionally, we provide open-source scripts to scrape and index papers from computer architecture, EDA, and FPGA conferences that possibly implement or use HLS designs, allowing for faster human discovery and curation of HLS designs for HLSFactory-Agent. We report initial results from running HLSFactory-Agent across a small subset of our indexed repositories, demonstrating successful extraction of synthesizable designs from structured codebases. We open source HLSFactory-Agent and indexing scripts at https://github.com/sharc-lab/hlsfactory-agent.
• Abstract（参考訳）: コミュニティベンチマークを超えて、HLS(High-level synthesis)設計の大規模で多様なデータセットを構築することは、依然としてオープンな課題である。 この課題は、ハードウェア設計におけるディープラーニングとLLMの台頭によって緊急化され、これらのデータセットはQoRモデルをトレーニングし、HLSタスク上でLLMをベンチマークするように要求される。 ソースを拡大するための継続的な努力にもかかわらず、データセットのキュレーションは依然として手作業に依存している: 学術出版物とオープンソースにまたがってHLS設計を配置し、より大きなコードベースからスタンドアロンの設計を抽出する。 プロセスはエラーを起こしやすく、専門家の知識、反復的なテスト、リポジトリごとの実質的なエンジニアリングを必要とします。 HLSFactory-Agentは,大規模なコードベースから独立した設計を抽出し,大規模HLSデータセットのキュレーションを自動化するLLMエージェントである。 HLSFactory-AgentはDockerコンテナ内でオープンソースのPiエージェントフレームワークを実行し、抽出された各設計の構築と評価を行う。 このターンキー自動化により、ユーザはGitHubのリンクまたはコードディレクトリをHLSFactory-Agentに渡すことができ、HLSFactoryデータセットフレームワークに統合される準備ができている抽出されたHLSデザインのフォルダを受け取ることができる。 さらに我々は,HLSFactory-AgentのためのHLS設計の高速な発見とキュレーションを可能にするため,HLS設計の実装や使用が可能な,コンピュータアーキテクチャやEDA,FPGAコンファレンスから論文を抽出・インデックスするオープンソーススクリプトを提供する。 HLSFactory-Agentをインデックス化されたリポジトリの小さなサブセットで実行し、構造化コードベースからの合成可能な設計の抽出に成功したことを報告した。 HLSFactory-Agentとインデクシングスクリプトをhttps://github.com/sharc-lab/hlsfactory-agent.comで公開しています。

関連論文リスト

• RAVEL: Reasoning Agents for Validating and Evaluating LLM Text Synthesis [78.32151470154422]
  テスト担当者が自律的に設計し、典型的な合成操作を実行できるようにするためのエージェントフレームワークであるRAVELを紹介する。 C3EBenchは、プロの人間の文章から1,258個のサンプルを抽出したベンチマークである。 SOTA LLMを演算子としてRAVELを増強することにより、そのようなエージェントテキスト合成はLLMの推論能力に支配されていることがわかった。
  論文  参考訳（メタデータ） (2026-02-28T14:47:34Z)
• Immersion in the GitHub Universe: Scaling Coding Agents to Mastery [60.359983359258955]
  ScaleSWEは、高品質なSWEデータを大規模に構築するために設計された、自動化されたサンドボックス化されたマルチエージェントワークフローである。 このシステムは、環境設定、テスト生成、問題記述合成のための3つの特別なエージェントをコーディネートし、5200リポジトリにわたる600万のプルリクエストを処理する。
  論文  参考訳（メタデータ） (2026-02-10T15:30:19Z)
• Bench4HLS: End-to-End Evaluation of LLMs in High-Level Synthesis Code Generation [0.0]
  大規模言語モデル(LLM)は、レジスタ転送レベル(RTL)におけるハードウェア設計を含む、コード生成において強力な能力を示している。 HLSとRTLに焦点を当てた研究の比率は過去6ヶ月で1:10から2:10に変化した。 この増加傾向は、LSMベースのHLS専用の総合的なベンチマークと評価フレームワークの必要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2026-01-16T20:52:42Z)
• LM-Searcher: Cross-domain Neural Architecture Search with LLMs via Unified Numerical Encoding [55.5535016040221]
  LM-Searcherは、クロスドメインニューラルネットワーク最適化のための新しいフレームワークである。 我々のアプローチの中心は、ニューラルネットワークのための普遍的な数値文字列表現であるNCodeである。 我々のデータセットは、幅広いアーキテクチャとパフォーマンスのペアを含み、堅牢で伝達可能な学習を促進する。
  論文  参考訳（メタデータ） (2025-09-06T09:26:39Z)
• ForgeHLS: A Large-Scale, Open-Source Dataset for High-Level Synthesis [13.87691887333415]
  本稿では,機械学習(ML)駆動型HLS研究用に明示的に設計された大規模オープンソースデータセットであるForgeHLSを紹介する。 ForgeHLSは、広範囲のアプリケーションドメインをカバーする846のカーネルから生成される400万以上の多様な設計で構成されている。 既存のデータセットと比較して、ForgeHLSはスケール、多様性、設計カバレッジを大幅に向上する。
  論文  参考訳（メタデータ） (2025-07-04T02:23:46Z)
• 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)
• Exploring Code Language Models for Automated HLS-based Hardware Generation: Benchmark, Infrastructure and Analysis [14.458529723566379]
  LLM(Large Language Model)は、PythonやC++などのプログラミング言語に使用される。 本稿では,LLMを利用してHLS(High-Level Synthesis)ベースのハードウェア設計を行う。
  論文  参考訳（メタデータ） (2025-02-19T17:53:59Z)
• OpenCoder: The Open Cookbook for Top-Tier Code Large Language Models [76.59316249991657]
  コードのための大規模言語モデル(LLM)は、コード生成、推論タスク、エージェントシステムなど、さまざまな領域で必須になっている。 オープンアクセスのコード LLM はプロプライエタリなモデルの性能レベルに近づきつつあるが、高品質なコード LLM は依然として限られている。 トップクラスのコードLLMであるOpenCoderは、主要なモデルに匹敵するパフォーマンスを達成するだけでなく、研究コミュニティの"オープンクックブック"としても機能します。
  論文  参考訳（メタデータ） (2024-11-07T17:47:25Z)
• Small Agent Can Also Rock! Empowering Small Language Models as Hallucination Detector [114.88975874411142]
  幻覚検出は大規模言語モデル(LLM)にとって難しい課題である 本稿では,HluAgentと呼ばれる自律型LLMエージェントフレームワークを提案する。 HaluAgentでは、LLM、多機能ツールボックスを統合し、きめ細かい3段階検出フレームワークを設計する。
  論文  参考訳（メタデータ） (2024-06-17T07:30:05Z)
• HLSFactory: A Framework Empowering High-Level Synthesis Datasets for Machine Learning and Beyond [3.206764939601044]
  機械学習(ML)技術は、QoR予測と設計空間探索(DSE)のための高レベル合成(HLS)フローに適用されている。 高品質なHLSデータセットの不足とそのようなデータセットの構築の複雑さが課題である。 HLSFactoryは高品質なHLS設計データセットのキュレーションと生成を容易にするために設計された包括的なフレームワークである。
  論文  参考訳（メタデータ） (2024-05-01T19:02:18Z)
• ML-Bench: Evaluating Large Language Models and Agents for Machine Learning Tasks on Repository-Level Code [76.84199699772903]
  ML-Benchは、既存のコードリポジトリを利用してタスクを実行する現実世界のプログラミングアプリケーションに根ざしたベンチマークである。 LLM(Large Language Model)とAIエージェントの両方を評価するために、事前に定義されたデプロイメント環境でLLMのテキスト-コード変換を評価するML-LLM-Benchと、Linuxサンドボックス環境でエンドツーエンドのタスク実行で自律エージェントをテストするML-Agent-Benchの2つの設定が採用されている。
  論文  参考訳（メタデータ） (2023-11-16T12:03:21Z)
• CodeTF: One-stop Transformer Library for State-of-the-art Code LLM [72.1638273937025]
  我々は、最先端のCode LLMとコードインテリジェンスのためのオープンソースのTransformerベースのライブラリであるCodeTFを紹介する。 我々のライブラリは、事前訓練されたコードLLMモデルと人気のあるコードベンチマークのコレクションをサポートします。 CodeTFが機械学習/生成AIとソフトウェア工学のギャップを埋められることを願っている。
  論文  参考訳（メタデータ） (2023-05-31T05:24:48Z)

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。