ChiseLLM：解放用于 Chisel 敏捷硬件开发的推理 LLM 能力
人工智能
2025-04-29 v1 硬件体系结构
软件工程
摘要
面向域特定架构(DSA)的需求推动了敏捷硬件开发方法(AHDM)的发展。硬件构造语言(HCL)如 Chisel 提供了高级抽象特性，使其成为 HCL 基于 AHDM 的理想语言。虽然大型语言模型(LLM)在代码生成任务中表现出色，但在 Chisel 生成方面仍面临语法正确性和设计可变性方面的挑战。最近的推理模型通过测试时间扩展技术显著提升了代码生成能力。然而，我们发现，缺乏领域适应的推理模型无法为 Chisel 代码生成任务带来实质性益处。本文提出了 ChiseLLM，包括数据处理与转换、提示引导的推理痕迹合成以及领域适配模型训练。我们从公共 RTL 代码资源构建了高质量数据集，并通过提示增强方法引导模型采用结构化思维模式。实验表明，我们的 ChiseLLM-7B 和 ChiseLLM-32B 模型相对于基础模型在语法正确性方面分别提高了 18.85% 和 26.32%，相对于基线推理模型在可变性设计能力方面提高了 47.58%。我们的数据集和模型已公开提供，为 HCL 基于 AHDM 提供高性能、高性价比的模型，并为未来研究提供有效的基线。GitHub 仓库：https://github.com/observerw/ChiseLLM
引用
@article{arxiv.2504.19144,
title = {ChiseLLM: Unleashing the Power of Reasoning LLMs for Chisel Agile Hardware Development},
author = {Bowei Wang and Jiaran Gao and Yelai Feng and Renzhi Chen and Shanshan Li and Lei Wang},
journal= {arXiv preprint arXiv:2504.19144},
year = {2025}
}