HDLxGraph：构建大语言模型与 HDL 存储库之间的桥梁 via HDL 图数据库
硬件体系结构
2026-03-10 v2 计算与语言
机器学习
摘要
检索增强生成（RAG）是大语言模型（LLM）辅助描述语言（HDL）任务中至关重要的代理，旨在解决训练数据有限且提示词过长的挑战。然而，现有 RAG 在处理模糊查询以及包含数千乃至几万行代码的真实世界、仓库级 HDL 项目时性能仍有限。我们的分析表明，传统基于语义相似性的 RAG 与 HDL 代码之间存在结构和词汇两个根本性不匹配。为此，我们提出 HDLxGraph——首个将 HDL 的内在图特性与 RAG 集成用于 LLM 辅助任务的框架。具体而言，HDLxGraph 引入抽象语法树（AST）以捕获 HDL 的层次结构，并引入数据流图（DFG）以解决词汇不匹配问题。此外，为克服缺乏全面 HDL 搜索基准的瓶颈，我们引入 HDLSearch—an 由真实世界、仓库级 HDL 项目生成的 LLM 生成数据集。评估结果表明，HDLxGraph 在搜索、调试和完成方面的准确率分别提升了 12.04%/12.22%/5.04%，相较于基于相似性的 SOTA RAG 和软件代码图 RAG 基线分别提升了 11.59%/8.18%/4.07%。HDLxGraph 和 HDLSearch 数据集的代码已发布于 https://github.com/UMN-ZhaoLab/HDLxGraph。
引用
@article{arxiv.2505.15701,
title = {HDLxGraph: Bridging Large Language Models and HDL Repositories via HDL Graph Databases},
author = {Pingqing Zheng and Jiayin Qin and Fuqi Zhang and Niraj Chitla and Zishen Wan and Shang Wu and Yu Cao and Caiwen Ding and Yang and Zhao},
journal= {arXiv preprint arXiv:2505.15701},
year = {2026}
}