COEVO：面向 LLM 生成 RTL 代码的联合功能正确性与 PPA 优化的共演化框架
人工智能
2026-04-20 v2
摘要
基于 LLM 的 RTL 代码生成方法日益关注功能正确性和 PPA 质量，但现有方法普遍解耦这两个目标，仅在正确性完全实现后才优化 PPA。无论是通过顺序多主体管线、带二元正确性门的进化搜索，还是层次化奖励依赖，部分正确但具有架构前景的候选方案都被系统性地丢弃。此外，现有方法将多目标 PPA 空间简化为单一标量适应度，掩盖了面积、延迟和功耗之间的权衡。为克服这些限制，我们提出了 COEVO——一个在单个进化循环中统一正确性与 PPA 优化的共演化框架。COEVO 将正确性形式化为面积、延迟和功耗并列的连续共优化维度，得益于提供细粒度评分和详细诊断反馈的增强测试台实现。一种带退火的自适应正确性门允许 PPA 有前景但部分正确的候选方案引导搜索朝向联合最优解。为保留完整的 PPA 权衡结构，COEVO 采用四维的 Paret 非支配排序，支持可配置的层内排序，取代单一标量适应度，无需手动调参。在 VerilogEval 2.0 和 RTLLM 2.0 上评估的 COEVO 在 GPT-5.4-mini 上实现了 97.5% 和 94.5% 的 Pass@1，超越了四个 LLM 主线方法的所有代理基线，同时在 49 个可综合的 RTLLM 设计中获得最佳 PPA。
引用
@article{arxiv.2604.15001,
title = {COEVO: Co-Evolutionary Framework for Joint Functional Correctness and PPA Optimization in LLM-Based RTL Generation},
author = {Heng Ping and Peiyu Zhang and Shixuan Li and Wei Yang and Anzhe Cheng and Shukai Duan and Xiaole Zhang and Paul Bogdan},
journal= {arXiv preprint arXiv:2604.15001},
year = {2026}
}