Nytt AI-ramverk förbättrar generering av testdata vid chipdesign
Forskare presenterar ramverket CHORUS, som kombinerar komplementära expertmodeller för att förbättra automatisk generering av testdata vid chipdesign.
Vad har hänt?
Forskare har publicerat en ny studie om CHORUS, ett ramverk för efterträning av stora språkmodeller riktat mot hårdvaruverifiering. Metoden bygger på att träna upp flera komplementära expertmodeller via en kombination av etappvis övervakad finträning (SFT) och förstärkningsinlärning med täta belöningar (RL). Genom att slå samman modellerna utan ytterligare träning, alternativt genomföra ytterligare efterträning, uppnås högre täckning vid generering av stimuleringsdata för testbänkar än vad enskilda modeller klarar av.
Snabbfakta
| Ramverk | CHORUS |
|---|---|
| Tillämpningsområde | Hårdvaruverifiering och testgenerering |
| Metodik | Etappvis SFT, täta belöningar i RL och modellsammanfogning |
Varför spelar det roll?
Hårdvaruverifiering utgör en stor del av den totala insatsen vid utveckling av moderna chip, där exekverbar feedback ger en mer pålitlig signal än enbart textuell efterbildning. Genom att utnyttja olika modeller med skilda styrkor löser CHORUS problemet med att enskilda AI-modeller ofta har begränsningar i vilka typer av testfall de kan generera.
Vem påverkas?
Utvecklare och hårdvaruingenjörer som arbetar med automatiserad kodgenerering och chipdesign berörs av resultaten. Metoden är av intresse för organisationer som vill effektivisera verifieringsprocesser i halvledararkitekturer.
Vad mer bör du veta?
Studien fokuserar på hårdvaruverifiering, vilket utgör en betydande del av tids- och kostnadsbudgeten vid utvecklingen av moderna mikrochipp. Forskarna visar att en kombination av beteendemässigt divergerande modeller kan täcka ett bredare spektrum av testscenarier jämförbart med traditionella manuella metoder.
Snabba svar om den här nyheten
Vad har hänt?
När hände det?
Varför spelar det roll?
Länken öppnar i nytt fönster och leder till utgivarens egen sida.
Källan har spårats automatiskt från utgivaren via Aheadlines signalkedja.
AI-verktyg i artikeln
Ämnen
Få liknande nyheter direkt i mejlen
Läsarrummet
Skicka in en fråga eller ett tillägg. Redaktionen läser allt innan det publiceras och svarar när det är relevant. Ingen AI-fri text – bara människor.
Logga in för att skicka in en kommentar eller fråga.
Läs artikeln genom din roll
- Bedöm teknisk risk: modellval, leverantörsberoende, dataflöde och driftskostnad.
- Uppdatera arkitekturdokumentet om nya API:er eller regelkrav berör produktionen.
- Säkerställ observability + rollback-plan innan ni rullar ut i skarpt.
Genererad vinkling — inte redaktionell analys av "Nytt AI-ramverk förbättrar generering av testdata vid chipde"