RF-Agent：为 RFIC 设计构建语言代理的实用框架

大语言模型 (LLM) 推动了电子设计自动化 (EDA) 的快速进步，但其在射频 (RF) 电路设计中的应用仍然受到特定领域数据集和标准化基准的缺乏的限制。我们提出了 RF-Agent，它通过教科书驱动的 知识蒸馏 解决了这一差距。多智能体问题-思维-解决方案-答案 (QTSA) 管道将来自七本规范 RF 教科书的分段级语料库转换为具有专用多项选择基准的首个 RF 域推理数据集（超过 11,000 个样本）。在此基准上，我们研究了两种适应策略：监督 微调 (SFT) 和三种检索增强生成 (RAG) 配置（语义、关键字、混合）。在多个 LLM 系列中，特定领域的 SFT 显着改善了 RF 推理，特别是对于中小型模型；在 RAG 配置中，语义检索表现最好，这表明基于嵌入的上下文对齐比朴素融合更适合 RF 推理。该数据集和基准测试为 LLM 辅助射频电路设计的未来工作提供了可重用的基础。