SYMDIREC: 用于增强RTL综合与摘要的神经符号分治检索框架
计算与语言
2026-03-19 v1 编程语言
摘要
寄存器传输级(RTL)综合与摘要是硬件设计自动化的核心，但由于严格的HDL语法、有限的监督以及与自然语言的弱对齐，对大型语言模型仍具有挑战性。现有的提示和检索增强生成方法未结合符号规划，限制了其结构精度。我们提出SYMDIREC，一个神经符号框架，将RTL任务分解为符号子目标，通过微调的检索器检索相关代码，并通过LLM推理组装经过验证的输出。SYMDIREC支持Verilog和VHDL而无需LLM微调，在综合任务上实现了比提示和RAG基线高约20%的Pass@1率，在摘要任务上实现了15-20%的ROUGE-L提升，展示了符号指导在RTL任务中的优势。
引用
@article{arxiv.2603.17208,
title = {SYMDIREC: A Neuro-Symbolic Divide-Retrieve-Conquer Framework for Enhanced RTL Synthesis and Summarization},
author = {Prashanth Vijayaraghavan and Apoorva Nitsure and Luyao Shi and Charles Mackin and Ashutosh Jadhav and David Beymer and Ehsan Degan and Vandana Mukherjee},
journal= {arXiv preprint arXiv:2603.17208},
year = {2026}
}