基于 AST 指导的 LLM 方法用于 SVRF 代码合成
软件工程
2025-07-02 v1 人工智能
新兴技术
摘要
标准验证规则格式 (SVRF) 是半导体应用中必不可少的技术，如设计规则检查 (DRC)、原理图与布局对比 (LVS) 和光学近距离校正 (OPC)，但随着工艺节点推进，其面临复杂设计规则导致传统 SVRF 开发失效，并存在专业知识缺口。本文引入一种新方法，将抽象语法树 (AST) 嵌入与检索增强生成 (RAG) 相结合，以实现 SVRF 代码合成的语义准确性和误差最小化，通过结构验证和领域特定见解实现精准代码生成。我们评估了不同基于 T5 的模型，并提出一种创新的 SVRF 特定评分框架，补充标准指标如 BLEU 和 ROUGE-L。我们的方法中，AST 提供严格的结构验证，而 RAG 注入相关领域知识，有效提升代码生成工作流程。我们在包含 740 个 DRC 规则实现的全面基准测试中进行测试，本方法在代码生成准确率上较基本文本微调过程提升了最高 40%。该方法将行业专业知识与先进编码策略相融合，不仅在数据集有限的条件下优化了 SVRF 开发，还创建了一个更直观且高效的编码环境。因此，用户可以快速迭代设计循环，减少手动纠错，并显著提高整体生产力。
引用
@article{arxiv.2507.00352,
title = {An AST-guided LLM Approach for SVRF Code Synthesis},
author = {Abanoub E. Abdelmalak and Mohamed A. Elsayed and David Abercrombie and Ilhami Torunoglu},
journal= {arXiv preprint arXiv:2507.00352},
year = {2025}
}
备注
9 Pages, 5 Figures, 2 Tables