QiMeng-CRUX：通过核心精炼理解表达式缩小自然语言与Verilog之间的差距用于电路设计
量子物理
2025-12-04 v2
摘要
大型语言模型（LLM）在硬件描述语言（HDL）生成方面显示出有前景的能力。然而,现有方法常依赖模糊、冗余且非结构化的自然语言描述,为后续Verilog代码生成带来显著挑战。我们将硬件代码生成视为从开放式自然语言空间向特定于领域且高度受限的目标空间进行的复杂转换。为弥合这一差距,我们引入核心精炼理解表达式（CRUX）,作为结构化中间空间,捕捉用户意图的关键语义,同时组织表达式以实现精确的Verilog代码生成。我们进一步设计了两阶段训练框架,包括联合表达式建模和双空间优化,以提升CRUX和Verilog代码的质量。跨多个Verilog生成基准的实验表明,我们的模型CRUX-V在一般模型中实现了最先进的性能,尤其在具有挑战性的设计任务方面。此外,CRUX空间在用作其他代码模型输入提示时具有可迁移性和积极影响,凸显了其在缩小自然语言描述与精确Verilog生成之间的差距方面的有效性。
引用
@article{arxiv.2511.20097,
title = {Superconducting Parametric Amplifiers: Resonator Design and Role in Qubit Readout},
author = {Babak Mohammadian},
journal= {arXiv preprint arXiv:2511.20097},
year = {2025}
}