論文の概要: RTL-Interact: Training EDA-Interactive Models for Multi-Task RTL Design

• arxiv url: http://arxiv.org/abs/2610.41225v1
• Date: Fri, 30 Oct 2026 04:03:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.611843
• Title: RTL-Interact: Training EDA-Interactive Models for Multi-Task RTL Design
• Title（参考訳）: RTL-Interact:マルチタスクRTL設計のためのEDA-Interactive Modelsの訓練
• Abstract要約: 本稿では,単一のRTL特化モデルをトレーニングしてRTLを生成し,タスクに適したEDAチェックを構築し,ツールフィードバックを用いて実装を改訂するフレームワークを提案する。 このフレームワークは、自動構築されたマルチタスクのデモと、チェーン・オブ・思想からツール統合推論へのステージド・インスペクションを組み合わせたものだ。
• 参考スコア（独自算出の注目度）: 45.41063755427695
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models offer a promising route to register-transfer-level (RTL) design, but reliable implementations require checking and revision based on electronic design automation (EDA) tools' feedback. Existing RTL-specialized models often lack learned interaction with such EDA tools or rely on separate generation and repair components. We introduce RTL-Interact, a multi-task post-training framework that trains a single RTL-specialized model to generate RTL, construct task-appropriate EDA checks, and revise implementations using tool feedback. The framework combines automatically constructed multi-task demonstrations with staged supervision from chain-of-thought to tool-integrated reasoning. We further introduce Pattern-Aware Policy Optimization (PAPO) for multi-task reinforcement learning. PAPO augments Group Relative Policy Optimization with correctness-gated rewards that favor concise successful checking while rewarding effective revision, and uses task grouping to preserve coverage across objectives. On CVDP, RTL-Interact-32B achieves 48.7% weighted Pass@1 and 68.9% Pass@5, surpassing its teacher model, DeepSeek-V3.2, while RTL-Interact-8B achieves 44.9% weighted Pass@1. Additionally, we show that PAPO can reduce average tool calls by 63.8% while improving Pass@1. Both models also outperform all RTL-specialized baselines on VerilogEval v2 and RTLLM v2, demonstrating the effectiveness of our method.
• Abstract（参考訳）: 大規模言語モデルはレジスタ・トランスファー・レベル(RTL)設計への有望なルートを提供するが、信頼性の高い実装では電子設計自動化(EDA)ツールのフィードバックに基づいたチェックとリビジョンが必要である。 既存のRTL特化モデルは、そのようなEDAツールと学習された相互作用を欠いていたり、別の生成および修理コンポーネントに依存していたりすることが多い。 マルチタスクのポストトレーニングフレームワークであるRTL-Interactを導入し、単一のRTL特化モデルをトレーニングしてRTLを生成し、タスクに適したEDAチェックを構築し、ツールフィードバックを用いて実装を改訂する。 このフレームワークは、自動構築されたマルチタスクのデモと、チェーン・オブ・思想からツール統合推論へのステージド・インスペクションを組み合わせたものだ。 マルチタスク強化学習のためのPAPO(Pattern-Aware Policy Optimization)についても紹介する。 PAPOはグループ相対政策最適化を強化し、効果的なリビジョンを報酬しながら簡潔なチェックを成功させる正当性を持った報酬を付与し、目的を越えてカバレッジを維持するためにタスクグループを使用する。 CVDPでは、RTL-Interact-32Bは48.7%のPass@1と68.9%のPass@5を達成し、教師モデルであるDeepSeek-V3.2を上回り、RTL-Interact-8Bは44.9%のPass@1を達成している。 さらに、PAPOは平均的なツールコールを63.8%削減し、Pass@1.0を改善できることを示す。 両モデルともVerilogEval v2 と RTLLM v2 の RTL-specialized baselines を全て上回り,本手法の有効性を示した。

関連論文リスト

• MultiUAV-Plat: An LLM-Oriented Platform, Benchmark and Framework for Multi-UAV Collaborative Task Planning [4.712457848623237]
  大規模言語モデル(LLM)は、ハイレベルなロボットタスク計画のための有望なインターフェースを提供する。 既存のUAVシミュレータは主に力学、知覚、低レベル制御に重点を置いている。 既存のLLMエージェントは、部分観測性のような空中ロボティクスの制約をほとんど捉えない。 マルチUAVタスク計画のための軽量で使いやすいシミュレーションプラットフォームであるMultiUAV-Platを提案する。
  論文  参考訳（メタデータ） (2026-06-30T03:02:12Z)
• EEVEE: Towards Test-time Prompt Learning in the Real World for Self-Improving Agents [64.96332056338923]
  EEVEEは、LLMエージェントのための最初のマルチデータセットテスト時プロンプト学習フレームワークである。 実世界のタスクストリーム下でテスト時のプロンプト学習を可能にする。 EEVEEはQwen3-4B-InstructとDeepSeek-V3.2で平均マルチベンチマークスコアを10.38点、24.32点改善している。
  論文  参考訳（メタデータ） (2026-06-09T17:57:16Z)
• VeriDispatcher: Multi-Model Dispatching through Pre-Inference Difficulty Prediction for RTL Generation Optimization [15.38010259999926]
  大規模言語モデル(LLM)は、RTL生成において強い性能を示すが、アーキテクチャとトレーニングの違いのため、異なるモデルが異なるタスクで優れている。 本稿では,マルチLLM RTL生成フレームワークであるVeriDispatcherを提案する。
  論文  参考訳（メタデータ） (2025-11-27T20:45:26Z)
• Efficient Multi-turn RL for GUI Agents via Decoupled Training and Adaptive Data Curation [65.3648667980258]
  視覚言語モデル(VLM)に基づくGUIエージェントは複雑なタスクの自動化を約束するが、強化学習(RL)の適用において大きな課題に直面している。 異種モジュールを高度に非結合的に協調するGUIエージェントのための非結合エージェントRLトレーニングフレームワークであるDARTを提案する。 OSWorldのベンチマークでは、DART-GUI-7Bは42.13%のタスク成功率、14.61%の絶対ゲイン、オープンソースSOTAよりも7.34%高い。
  論文  参考訳（メタデータ） (2025-09-28T13:19:20Z)
• Self-Guided Function Calling in Large Language Models via Stepwise Experience Recall [19.839833440257813]
  本稿では、継続的に更新された体験プールから、きめ細かなステップワイズ検索を行うステップワイド体験リコールを提案する。 ToolQAベンチマークで評価すると、SEERは難しい質問では6.1%、難しい質問では4.7%の平均的な改善を達成している。 Qwen2.5-7BとQwen2.5-72Bのモデルにより、SEERはそれぞれ7.44%と23.38%の精度向上を示した。
  論文  参考訳（メタデータ） (2025-08-21T03:56:38Z)
• Ring-lite: Scalable Reasoning via C3PO-Stabilized Reinforcement Learning for LLMs [51.21041884010009]
  Ring-liteは、強化学習(RL)により最適化されたMixture-of-Experts(MoE)ベースの大規模言語モデルである 我々のアプローチは、挑戦的なベンチマーク上でのSOTA(State-of-the-art)の小規模推論モデルの性能と一致する。
  論文  参考訳（メタデータ） (2025-06-17T17:12:34Z)
• Iterative Tool Usage Exploration for Multimodal Agents via Step-wise Preference Tuning [68.00304954972232]
  コントローラ、例えば視覚言語モデルと外部ツールを統合するマルチモーダルエージェントは、複雑なマルチモーダルタスクに対処する際、顕著な能力を示した。 これらのエージェントを訓練するための既存のアプローチは、広範囲なヒューマン・アノテートされたタスク・アンサー・ペアとツール・トラジェクトリに依存している。 本研究では,事前に収集したデータのないマルチモーダルエージェント,すなわち SPORT の反復ツール利用探索手法を提案する。 Sportには、タスク合成、ステップサンプリング、ステップ検証、優先度調整の4つの反復的なコンポーネントがある。
  論文  参考訳（メタデータ） (2025-04-30T12:01:27Z)

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。