StepPRM-RTL：基于逐步过程奖励引导的 LLM 微调以增强 RTL 综合

针对数字硬件设计中自动生成功能正确 RTL 代码面临的长程推理、多步依赖及严格约束挑战，本文提出 StepPRM-RTL 框架。该方法结合逐步轨迹建模、过程奖励模型（PRM）与检索增强微调（RAFT），利用蒙特卡洛树搜索探索替代推理路径，生成包含原理与增量代码修改的高质量轨迹。PRM 对中间步骤提供密集反馈，指导强化式更新，使模型不仅学习如何构建代码，更理解其逻辑成因。实验表明，该方法在功能正确性与推理保真度上显著优于现有基准。