CHORUS: Framework di Post-Addestramento per la Generazione di Stimoli di Testbench ad Alta Copertura
Un nuovo framework chiamato CHORUS è stato sviluppato da ricercatori per migliorare le capacità dei modelli linguistici di grandi dimensioni (LLM) nella creazione di stimoli di testbench completi per la verifica hardware. Questo framework impiega un fine-tuning supervisionato a fasi (SFT) per generare una varietà di checkpoint comportamentalmente distinti, che vengono successivamente migliorati utilizzando l'apprendimento per rinforzo a ricompensa densa (RL) per creare esperti competenti che, pur mantenendo prestazioni complessive simili, mostrano punti di forza unici per compiti specifici. Queste capacità complementari possono essere utilizzate sia attraverso la fusione di modelli senza addestramento aggiuntivo, sia attraverso un ulteriore post-addestramento, consentendo a CHORUS di superare le prestazioni di qualsiasi singolo esperto. Questa ricerca affronta il problema critico della verifica hardware, che rappresenta una parte significativa degli sforzi contemporanei di progettazione dei chip. Lo studio è disponibile su arXiv con l'identificativo 2608.10090.
Fatti principali
- CHORUS è un framework di post-addestramento per LLM.
- Si concentra sulla generazione di stimoli di testbench ad alta copertura.
- La verifica hardware è un'applicazione chiave della generazione di codice.
- L'SFT a fasi produce checkpoint comportamentalmente diversi.
- L'RL a ricompensa densa trasforma i checkpoint in esperti forti.
- Gli esperti hanno prestazioni aggregate comparabili ma punti di forza distinti.
- I punti di forza complementari possono essere sfruttati tramite fusione di modelli o ulteriore post-addestramento.
- L'articolo è disponibile su arXiv (2608.10090).
Entità
Istituzioni
- arXiv