論文の概要: BEHAVE: Functional Behavior Modeling Enables Self-Improving Agents for Hardware Design and Verification
- arxiv url: http://arxiv.org/abs/2609.34785v1
- Date: Mon, 28 Sep 2026 09:57:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 02:53:17.274106
- Title: BEHAVE: Functional Behavior Modeling Enables Self-Improving Agents for Hardware Design and Verification
- Title（参考訳）: BEHAVE:ハードウェア設計と検証のための自己改善エージェントを実現する機能行動モデリング
- Abstract要約: 本稿では,マルチターンジョイントハードウェア設計と機能的動作モデリングによる検証のためのエージェントフレームワークであるBEHAVEを紹介する。
エージェントは、設計の検証基準として、レジスタ転送レベル(RTL)設計と行動モデルを反復的に開発する。
トレーニング中、同じ評価器は、参照RTLなしで仕様-振る舞いペアから検証可能な強化学習報酬を提供する。
- 参考スコア（独自算出の注目度）: 13.41894817075908
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Developing agents for hardware design and verification requires reliable correctness feedback. As a hardware specification may permit correct implementations with different latencies, matching design and reference outputs cycle by cycle can reject valid designs. To address this, we introduce BEHAVE, an agentic framework for multi-turn joint hardware design and verification through functional behavior modeling. We define Behavior IR to express task functionality as executable behavior models without prescribing implementation timing beyond the specification. The agent iteratively develops a register-transfer-level (RTL) design and a behavior model as the design's verification reference. Our evaluator, BEHAVE-Sim, checks both artifacts separately against a hidden golden behavior model using input stimuli generated by random sampling and solver-guided search. BEHAVE thus supports power, performance, and area (PPA) exploration across task-permitted latencies and microarchitectures. During training, the same evaluator provides verifiable reinforcement learning (RL) rewards from specification-behavior pairs without reference RTL. For self-improvement, the agent continually searches for high-level implementations relevant to its capability gaps, constructs and checks specification-behavior pairs, and trains on the expanded task pool. We release BEHAVE-Train and BEHAVE-Eval with 600 human-reviewed specification-behavior pairs for realistic hardware workloads. Starting from 60 seed tasks and acquiring 100 new tasks, self-improvement raises Qwen3.8-27B's RTL pass@1 on BEHAVE-Eval from 55.0% to 75.0%, reaching performance comparable to RL using a 540-task pool.
- Abstract（参考訳）: ハードウェア設計と検証のためのエージェントの開発には、信頼性の高い正確性フィードバックが必要である。
ハードウェア仕様は異なるレイテンシで正しい実装を許可する可能性があるため、サイクルごとの設計と参照出力のサイクルは妥当な設計を拒否することができる。
そこで本稿では,マルチターンジョイントハードウェア設計と機能的動作モデリングによる検証のためのエージェントフレームワークであるBEHAVEを紹介する。
我々は,タスク機能を仕様以外の実装タイミングを規定することなく実行可能な動作モデルとして表現するために,振舞いIRを定義した。
エージェントは、設計の検証基準として、レジスタ転送レベル(RTL)設計と行動モデルを反復的に開発する。
我々の評価装置BEHAVE-Simは、ランダムサンプリングとソルバ誘導探索によって生成された入力刺激を用いて、両方のアーティファクトを隠された黄金の行動モデルに対して別々にチェックする。
BEHAVEは、タスクに制限されたレイテンシとマイクロアーキテクチャをまたいだPPA(Power, Performance, and Area)探索をサポートする。
トレーニング中、同じ評価器は、参照RTLなしで仕様-振る舞いペアから検証可能な強化学習(RL)報酬を提供する。
自己改善のために、エージェントは、その能力ギャップに関連する高レベルの実装を継続的に検索し、仕様と振る舞いのペアを構築し、チェックし、拡張されたタスクプールでトレーニングする。
現実的なハードウェアワークロードのために, BEHAVE-Train と BEHAVE-Eval をリリースした。
60個のシードタスクから100個の新しいタスクを取得し、自己改善によってQwen3.8-27BのRTLパス@1がBEHAVE-Evalで55.0%から75.0%に上昇し、540タスクプールを使用してRLに匹敵するパフォーマンスに達した。
関連論文リスト
- TraceDance: An Automated System for Building Agent Behavior Benchmarks from Real-World Agent Deployment Traces [49.561879967469714]
TraceDanceは、ユーザが指定した望ましくない振る舞いのデプロイメントトレースからターゲットベンチマークを構築するエージェントシステムである。
効率的な構築のために、Anchor-and-Confirmはプログラム可能な検索と、Flash大言語モデルによる候補レベルの確認を組み合わせる。
コーディングと一般的なツールの実験では、252,557のセッションで描画され、ビルドターゲット要求の95.3%を満たす4,125のインスタンスで107のベンチマークを生成する。
論文 参考訳（メタデータ） (2026-09-27T06:58:39Z) - SWE-MILE: Asynchronous Potential-Induced Milestone Credit Assignment for Long-Horizon Software Engineering Agents [52.92536111845184]
SWE-MILEは、ワークフローランタイムからきめ細かいプロセス監視を導出するプロセス監視フレームワークである。
非同期シャドウプローブは、分離されたサンドボックス内のリポジトリ変更アクションを再生し、エージェントのプライマリインタラクションと並行して検証を実行する。
2つの代表的な長期SWEタスクの実験は、エージェント性能を大幅に改善したことを示している。
論文 参考訳（メタデータ） (2026-09-26T13:49:14Z) - Beyond Executable Models: The Pufibara Agent Harness and the Modelica Agent Workflow Benchmark for Physical System Modeling [3.2102307224389484]
物理システムモデリングは、ソフトウェア工学における汎用コード生成とは異なる要件を提示する。
この課題は、モデルが意図した物理や工学的要求に違反しながら、モデルをコンパイルし、シミュレートできる方程式ベースのモデリング言語であるModelicaで研究されている。
提案するエージェントハーネスであるPufibaraは、リビジョン全体にわたって永続的なエンジニアリング状態を維持し、実行シミュレーションの証拠と、それを生成した候補を関連付け、明示的なエージェントアクションを提出する。
論文 参考訳（メタデータ） (2026-08-24T11:50:07Z) - Gatekeepers and Hallucinations: A Layered Evaluation Framework for LLM-Driven Quantum Circuit Generation [0.0]
材料インフォームド変分量子固有解器(VQE)回路生成のための階層評価フレームワークを提案する。
5つの異なるLCM障害モード(幾何学幻覚、存在しないAPI使用、統合障害、制約違反、検証不可能な出力)を分類する。
評価プラットフォーム自身のソースコードの法医学的な監査により、サイレントフォールバック・テンプレート置換によって、ハーネスに2つの明らかなモデル障害が生じたことが確認された。
論文 参考訳（メタデータ） (2026-06-16T19:17:54Z) - From Question Answering to Task Completion: A Survey on Agent System and Harness Design [67.8241530947325]
本研究はモデルハーネスレンズを用いてLCMをベースとしたエージェントについて検討する。
まず, LLMをベースとしたエージェントを基礎モデルと実行ハーネスとして, エージェントの機能的定義と実装の視点を明らかにする。
次に、モデル中心のスケーリングの限界を分析し、エージェントエンジニアリングの4つのパラダイムをトレースし、実行ハーネスを6つの結合ランタイム責任に分解する。
論文 参考訳（メタデータ） (2026-06-14T05:40:16Z) - The Missing Piece in Pre-trained Model Evaluation: Reward-Guided Decoding Unlocks Task-Oriented Behavior Without Parameter Updates [31.50160357699629]
エネルギーベースデコーディング(Energy-Based Decoding)は、凍結した事前学習モデルからタスク指向の振る舞いを活性化するためのトレーニング不要で報酬誘導型フレームワークである。
EBDは,基本モデル出力をより指示追従行動にシフトさせ,学習後の動作に類似度を増すことを示す。
論文 参考訳（メタデータ） (2026-05-27T06:25:00Z) - Veri-Sure: A Contract-Aware Multi-Agent Framework with Temporal Tracing and Formal Verification for Correct RTL Code Generation [4.723302382132762]
シリコングレードの正しさは、 (i) シミュレーション中心の評価の限られたカバレッジと信頼性、 (ii) 回帰と修復幻覚、 (iii) エージェントハンドオフ間で意図が再解釈される意味的ドリフトによってボトルネックが残っている。
エージェントの意図を整合させる設計契約を確立するマルチエージェントフレームワークであるVeri-Sureを提案する。
論文 参考訳（メタデータ） (2026-01-27T16:10:23Z) - ET-Agent: Incentivizing Effective Tool-Integrated Reasoning Agent via Behavior Calibration [68.89572566071575]
ETAgentはエージェントのツール使用行動を調整するためのトレーニングフレームワークである。
過誤行動パターンを最適行動に段階的に校正するように設計されている。
論文 参考訳（メタデータ） (2026-01-11T11:05:26Z) - SWE-RM: Execution-free Feedback For Software Engineering Agents [61.86380395896069]
実行ベースフィードバックは、テストタイムスケーリング(TTS)と強化学習(RL)を通じて、コーディングエージェントの開発に広く利用されている。
対照的に、報酬モデルによる実行不要なフィードバックは、単体テストケースに依存することなく、よりきめ細かい信号を提供することができる。
SWE-RMは,30Bの合計パラメータと3Bのアクティベートされた3Bの混合実験アーキテクチャを採用した,正確で堅牢な報酬モデルである。
論文 参考訳（メタデータ） (2025-12-26T08:26:18Z) - OmniEAR: Benchmarking Agent Reasoning in Embodied Tasks [52.87238755666243]
OmniEARは,言語モデルが身体的相互作用やツールの使用,マルチエージェントの協調にどう影響するかを評価するためのフレームワークである。
我々は、家庭と工業領域にまたがる1500のシナリオにおける連続的な物理的特性と複雑な空間的関係をモデル化する。
我々の体系的な評価は、モデルが制約から推論しなければならない場合、厳しい性能劣化を示す。
論文 参考訳（メタデータ） (2025-08-07T17:54:15Z)
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。