Multi-Agent System RTL Generation Task Planning Reinforcement Learning
摘要

针对大模型生成寄存器传输级(RTL)代码正确率不足的问题,本文提出 ChipCraftBrain 框架。该系统结合符号 - 神经推理与自适应多智能体编排,通过 PPO 策略协调六个专用智能体,采用混合架构解决算法问题,并利用知识增强生成与层级规范分解技术。实验表明,其在 VerilogEval-Human 和工业级 CVDP 基准测试中显著优于现有单步生成及多智能体方法,并在 RISC-V SoC 案例中成功实现了模块化生成与验证。

AI 推荐理由

论文核心在于多智能体编排、层级任务分解及自适应策略规划,属于典型的规划能力研究。

研究机构
ChipCraftX
论文信息
作者 Cagri Eryilmaz
发布日期 2026-04-21
arXiv ID 2604.19856
相关性评分 9/10 (高度相关)