LIFT：基于GNN监督微调的LLM式HLS pragma插入
机器学习
2025-05-01 v1
摘要
FPGA在数据中心环境中日益受到青睐，因其可重构性和能源效率。高级综合（HLS）工具通过将抽象层级从RTL提升至未计时C/C++，简化了FPGA编程，但要实现高性能仍需要专家知识并进行迭代式的人工插入优化pragma以修改微体系结构。为此，我们提出LIFT，一种基于大语言模型（LLM）的HLS编码助手，自动生成性能关键的pragma。我们通过严格集成并监督训练过程中的图神经网络（GNN），将LLM的序列建模能力与GNN对代码及其控制/数据依赖关系的结构和语义理解能力相结合。实验表明，LIFT平均产生的设计性能相较于现有最先进的AutoDSE和HARP分别提升3.52倍和2.16倍，相较于GPT-4o提升66倍。
引用
@article{arxiv.2504.21187,
title = {LIFT: LLM-Based Pragma Insertion for HLS via GNN Supervised Fine-Tuning},
author = {Neha Prakriya and Zijian Ding and Yizhou Sun and Jason Cong},
journal= {arXiv preprint arXiv:2504.21187},
year = {2025}
}