FPGAgent：LLM 辅助框架，用于 FPGA 环境中的自主 HLS 代码生成和验证

大语言模型 (LLM) 在高级综合 (HLS) 代码生成方面显示出巨大的前景，但大多数现有方法仅验证模拟或综合结果。由于时序和布局布线的限制，\emph{通过仿真和综合的 HLS 代码可能仍然无法在真实的 FPGA 平台上生成可部署、可运行的设计}。此外，由于缺乏公共基准，许多评估仅限于小型的、自行​​策划的测试套件。我们提出了 FPGAgent，这是一个针对真实 FPGA 环境量身定制的多代理框架，用于具有端到端可执行性验证的自主 HLS 编码。据我们所知，FPGAgent 是\emph{第一个在完善的基准上经过实验验证的任务规范到可执行 HLS 生成框架}。给定自然语言任务规范，FPGAgent 注入 HLS 特定知识，并采用进化搜索迭代导出可靠的 HLS 内核实现。然后，它生成一个 C++ 验证程序来验证功能正确性、诊断潜在缺陷并指导有针对性的修复。最后，它综合主机代码以在 FPGA 硬件上进行编译和板级执行。我们在 HLS-Eval（包含跨多个领域的 78 项任务的基准测试）上使用五个已建立的 LLM 来全面评估 FPGAgent，并在真实的 FPGA 平台上验证板级可执行性。与现有基线相比，FPGAgent的可综合率平均提高了16.9%，可执行性提高了26.7%，功能正确性提高了30.6%。这些结果表明，FPGAgent 极大地提高了基于 LLM 的 HLS 生成的实际可用性，并展示了端到端验证的价值。