ORAssistant：基于定制RAG的OpenROAD对话助手
计算与语言
2024-12-03 v2 硬件体系结构
摘要
开源电子设计自动化(EDA)工具通过解决商业EDA工具的关键障碍（如复杂性、成本和访问权限），正在迅速改变芯片设计。大型语言模型(LLM)的最新进展通过在一系列任务（如设置、决策和流程自动化）中提供用户辅助，进一步提高了芯片设计的效率。本文介绍了ORAssistant，一个基于检索增强生成(RAG)的OpenROAD对话助手。ORAssistant旨在通过以散文格式提供针对常见用户查询（包括安装、命令使用、流程设置和执行）的上下文特定响应，来改善从RTL到GDSII的OpenROAD流程的用户体验。目前，ORAssistant集成了OpenROAD、OpenROAD-flow-scripts、Yosys、OpenSTA和KLayout。数据模型基于公开可用的文档和GitHub资源构建。所提出的架构是可扩展的，支持扩展到其他开源工具、操作模式和LLM模型。我们使用Google Gemini作为基础LLM模型来构建和测试ORAssistant。基于RAG模型的早期评估结果显示，与未经微调的LLM相比，其性能和准确性有显著提升。
引用
@article{arxiv.2410.03845,
title = {ORAssistant: A Custom RAG-based Conversational Assistant for OpenROAD},
author = {Aviral Kaintura and Palaniappan R and Shui Song Luar and Indira Iyer Almeida},
journal= {arXiv preprint arXiv:2410.03845},
year = {2024}
}