ChipMEM：以验证结果为依据的电子设计自动化智能体记忆

基于大型语言模型 (LLM) 的代理使用电子设计自动化 (EDA) 工具在综合和验证反馈下生成和修改寄存器传输级 (RTL) 设计。最近的方法通过从执行跟踪中提取可重用的技能或通过对 EDA 工具派生的奖励进行训练来从这种反馈中学习。这两种方法通常都是根据产生体验的任务进行评估。重复访问同一任务的基准反馈可以奖励特定于任务的修改，而不是创建可转移的可重用知识。我们引入了 ChipMEM，这是一个用于 EDA 代理的基于验证的内存层。它将跨任务程序记忆与轨迹内统计指导相结合。它的程序组件只有在通过综合、模拟或形式检查后才会提取和存储技能，而不是依赖于模型自我评估。贝叶斯组件维护对工具调用结果的分层 Beta 估计，并对在可比错误下成功的恢复策略进行排名。通用适配器将相同的内存接口应用于 RTL 优化和测试平台生成代理，同时保留每个域的工具和验收标准。我们衡量训练任务的表现，并评估学到的技能是否转移到未见过的任务。在 RTLRewriter-Bench 上，在匹配的模型和工具设置下，ChipMEM 在 39/54 评分设计上生成等效传递输出，而在没有内存的情况下为 35/54；在 49 种设计的短套件中，平均面积改进为 8.69%，而 5.66%。在保留的 CVDP 任务中，具有冻结程序库的 ChipMEM 在每个设置的单次评估中实现了 20/20 的可接受结果，而没有内存的结果为 18/20。