当前位置:首页 > 报告详情

探索基于 HLS 的自动化硬件生成的代码语言模型:基准、基础设施和分析.pdf

上传人: 芦苇 编号:651844 2025-05-01 33页 1.59MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文探讨了使用生成式人工智能模型辅助硬件设计自动化的可能性,重点是高层次综合(HLS)的代码生成。研究团队发布了超过50个预训练模型和170多个编程语言数据集,并比较了Github Copilot和DeepMind的AlphaCode等模型。面临挑战包括HDL数据稀缺、预训练知识迁移难度大和生成成本高。研究通过爬取在线仓库中的HLS程序,过滤无效代码样本,使用ChatGPT生成设计描述,构建了大规模数据集。采用参数高效微调方法QLoRA对预训练模型CodeLLaMA-7B进行微调,并开发了一个两步反馈框架,包括语法检查和功能检查。结果显示,微调显著提高了语法和功能的正确性,而链式思考(CoT)提示也显著改善了输出质量。未来研究将深入探讨生成硬件设计的表现,并量化HLS与HDL的运行成本差异。
"LLM如何助力硬件设计自动化?" 挑战与解决方案" "预训练语言模型在硬件生成中的应用前景如何?"
客服
商务合作
小程序
服务号
折叠