Verified Self-Improving Learning of Large Language Models for Multi-Objective Point-Spec Circuit Design
Dieses Paper stellt \methodfull vor, ein simulationsgesteuertes, selbstverbesserndes Framework, das durch den Einsatz von Pareto-verifizierter Präferenzoptimierung und sicherer Proximaler-Policy-Optimierung iterativ Schaltkreisschaltpläne generiert, verifiziert und repariert, um eine hochpräzise, multiobjektive Punkt-Spezifikations-Schaltungsentwicklung über diverse Analogfamilien hinweg zu erreichen.