LEGO：基于技能的大语言模型前端设计生成平台
人工智能
2026-05-19 v2
摘要
现有的基于大语言模型的EDA代理往往是孤立的、任务特定的系统。这导致重复的工程 effort 以及成功的设计和调试策略的重用受限。我们提出LEGO，一个面向前端设计生成的统一技能平台。它将数字前端流程分解为六个独立步骤，并将每个代理能力表示为插拔式架构中的标准化可组合电路技能。为构建此技能库，我们调查了超过100篇论文，选取11个具有代表性的开源项目，并在六步有限状态机框架下提取42个可执行电路技能。Circuit Skill Builder实现了技能提取的线性可扩展性。Agent Skill RAG实现亚毫秒级检索，无需依赖嵌入模型。在一组困难的41个VerilogEval v2问题上（gpt-5.2-codex在额外高推理 effort下难以解决），LEGO中构建的各个电路技能将Pass@1从0.000提升至0.805。这相当于基准的80.5%提升。跨项目技能组合也达到0.805的Pass@1。它们相较于hierarchy-verilog提升14.6%，相较于VerilogCoder提升2.5%，与MAGE持平。这些结果表明，模块化技能组合既支持有效性，也支持灵活性的RTL设计自动化。LEGO平台及所有电路技能均公开于GitHub：https://github.com/loujc/LEGO-An-LLM-Skill-Based-Front-End-Design-Generation-Platform
引用
@article{arxiv.2604.23355,
title = {LEGO: An LLM Skill-Based Front-End Design Generation Platform},
author = {Jincheng Lou and Ruohan Xu and Jiecheng Ma and Runzhe Tao and Xinyu Qu and Yibo Lin},
journal= {arXiv preprint arXiv:2604.23355},
year = {2026}
}
备注
Accepted to ISEDA 2026. Best Paper Nomination. 7 pages, 3 figures