CODMAS：面向结构化RTL优化的对话式多智能体协作框架
计算与语言
2026-03-19 v1 硬件体系结构
编程语言
摘要
RTL代码优化是电子设计自动化(EDA)中提高功率、性能和面积(PPA)的关键步骤。我们提出CODMAS(Collaborative Optimization via a Dialectic Multi-Agent System)，一种结合结构化对话推理、领域感知代码生成与确定性评估的框架，用于自动化RTL优化。CODMAS的核心包含两个对话式智能体：Articulator灵感来源于橡胶鸭调试，负责逐步阐述转换计划并暴露潜在假设；Hypothesis Partner负责预测结果并调和预期行为与实际行为之间的偏差，以引导有针对性的细化。这些智能体指导Domain-Specific Coding Agent(DCA)生成面向架构的Verilog编辑，以及Code Evaluation Agent(CEA)验证语法、功能及PPA指标。我们引入RTLOPT，这是一个包含120个Verilog三元组(未优化、优化、测试平台)的基准，用于流水线和时钟门控转换。针对专有和开放LLM，CODMAS在流水线优化中实现约25%的关键路径延迟降低，在时钟门控优化中实现约22%的功率降低，同时相较于强提示和智能体基线显著减少功能和编译故障。这些结果表明，结构化多智能体推理能够显著提升自动化RTL优化水平，并能扩展至更复杂的设计及更广泛的优化任务。
引用
@article{arxiv.2603.17204,
title = {CODMAS: A Dialectic Multi-Agent Collaborative Framework for Structured RTL Optimization},
author = {Che-Ming Chang and Prashanth Vijayaraghavan and Ashutosh Jadhav and Charles Mackin and Vandana Mukherjee and Hsinyu Tsai and Ehsan Degan},
journal= {arXiv preprint arXiv:2603.17204},
year = {2026}
}