虚假的黎明：重新评估 Google 用于芯片宏布局的强化学习
机器学习
2024-10-01 v9 人工智能
硬件体系结构
计算机与社会
摘要
Google 2021 年发表于 Nature 的关于硅芯片物理设计的强化学习（RL）论文引发了争议，因其记录不清的声明令人质疑并招致批判性媒体报道。该论文隐瞒了关键的方法步骤以及复现结果所需的大部分输入。我们的荟萃分析展示了两项独立的评估如何填补空白，并证明 Google 的 RL 落后于 (i) 人类设计者，(ii) 一种知名算法（模拟退火），以及 (iii) 普遍可用的商业软件，同时速度更慢；并且在 2023 年的一项开放研究竞赛中，RL 方法未进入前五。交叉核对的数据表明，由于实施、分析和报告中的错误，该 Nature 论文的完整性受到实质性损害。在发表前，Google 驳回了内部关于欺诈的指控，而这些指控至今仍然成立。我们指出了对芯片设计的政策影响和结论。
引用
@article{arxiv.2306.09633,
title = {The False Dawn: Reevaluating Google's Reinforcement Learning for Chip Macro Placement},
author = {Igor L. Markov},
journal= {arXiv preprint arXiv:2306.09633},
year = {2024}
}
备注
14 pages, 1 figure, 4 tables, 83 references