🤖 AI

EstRTL: Functional Estimation Guided RTL Code Generation

Dit artikel introduceert EstRTL, een driestaps LLM-gestuurd collaboratief agent-framework dat de functionele correctheid van gegenereerde RTL-code verbetert door middel van statische functionele score-estimatie, waarmee een verbetering van 3,2%–9,0% wordt bereikt ten opzichte van generieke modellen.

Oorspronkelijke auteurs: Qi Xiong, Renzhi Chen, Bowei Wang, Yuqing Xiong, Libo Huang, Lei Wang

Gepubliceerd 2026-06-10

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Qi Xiong, Renzhi Chen, Bowei Wang, Yuqing Xiong, Libo Huang, Lei Wang

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een complexe machine probeert te bouwen, zoals een hoogwaardige automotor, maar in plaats van moersleutels en blauwdrukken te gebruiken, vraag je aan een zeer slimme, goed onderlegde robot om de instructies voor je te schrijven. In de wereld van computerchips worden deze instructies RTL-code (Register Transfer Level) genoemd.

Het probleem is dat hoewel deze robots (genaamd Large Language Models of LLM's) erg goed zijn in het schrijven van zinnen, ze vaak stomme fouten maken bij het schrijven van deze technische instructies. Ze kunnen een "stop"-bord verwarren met een "rij"-bord, of een tandwiel op de verkeerde plek zetten. Normaal gesproken vereist het controleren of de motor daadwerkelijk werkt het bouwen van een enorme, dure testbaan (een "testbench") om de auto te rijden, wat veel tijd en geld kost.

Ontmoet EstRTL: Het "Kwaliteitscontrole"-team

Het artikel introduceert EstRTL, een nieuw systeem dat werkt als een kwaliteitscontrole-team van drie personen dat samenwerkt om de fouten van de robot te herstellen voordat de motor ooit gebouwd wordt. In plaats van alleen de robot te vragen om "het opnieuw te doen", gebruikt dit systeem een slimme lus van Generatie, Schatting en Correctie.

Zo werkt het team, met behulp van een eenvoudige analogie:

1. De Generator (De Architect)

Eerst is de Code Generation Agent de architect. Hij luistert naar jouw verzoek (bijv. "Bouw een teller die telt tot 255") en tekent de eerste blauwdrukken (de RTL-code).

De Controle: Voordat iemand naar het ontwerp kije, controleert een grammatica-checker of de blauwdrukken geen onzin zijn (zoals ontbrekende haakjes of typefouten). Als de blauwdrukken grammaticaal onjuist zijn, tekent de architect ze onmiddellijk opnieuw.

2. De Estimator (De Intuïtieve Inspecteur)

Dit is de grootste innovatie van het artikel. Normaal gesproken, om te weten of een blauwdruk werkt, moet je de hele motor bouwen en testen. Dat is traag.

De Truc: De Functional Estimation Agent is als een super-intuïtieve inspecteur die naar de blauwdruk kijkt en zegt: "Ik heb dit nog niet gebouwd, maar op basis van het ontwerp is het voor 85% waarschijnlijk dat het werkt."
Hoe het werkt: Het bouwt de motor niet. In plaats daarvan leest het de blauwdruk en probeert het een beschrijving te schrijven van wat de machine zou moeten doen. Vervolgens vergelijkt het die beschrijving met je oorspronkelijke verzoek.
- Analogie: Als je om een "rode sportwagen" vroeg, en de blauwdruk beschrijft een "blauwe truck", dan weet de inspecteur onmiddellijk dat er iets mis is, zelfs zonder de auto te hebben gezien.
De Beslissing:
- Als de score laag is (het ontwerp ziet er slecht uit), stuurt de inspecteur het terug naar de Architect om volledig opnieuw te beginnen.
- Als de score gemiddeld is (het ontwerp is oké maar heeft enkele gebreken), stuurt hij het naar de Fixer.

3. De Corrector (De Monteur)

De Code Correction Agent is de monteur. Hij raadt niet alleen; hij gebruikt een "Chain of Thought"-proces.

Het Proces: Hij vraagt eerst: "Waar precies is het probleem? Waarom gebeurt dit?" (bijv. "Het tandwiel zit op de verkeerde as omdat de robot 'links' met 'rechts' heeft verward").
De Fix: Zodra hij begrijpt waarom, herschrijft hij het specifieke deel van de blauwdruk om de fout te herstellen. Daarna stuurt hij de gecorrigeerde blauwdruk terug naar de Inspecteur om het dubbel te checken.

Waarom is dit een grote zaak?

Het artikel beweert dat door dit "Inspecteur" en "Monteur" team toe te voegen aan het proces, het systeem het succespercentage van de robots aanzienlijk verbetert.

De Resultaten: Toen ze dit testten op een standaard set van 156 hardware-ontwerpstaken, verbeterde het systeem de nauwkeurigheid van de robots met 3,2% tot 9%.
De Efficiëntie: De "Inspecteur" was in staat om het verschil tussen een werkend ontwerp en een defect ontwerp te bepalen met ongeveer 78% nauwkeurigheid, zonder de dure testbaan te hoeven bouwen.
De Fixer: De monteur heeft meer dan 12% van de fouten die de robots op hun eigen kunnen maakten, succesvol hersteld.

De Kernboodschap

Beschouw EstRTL als een vangnet. In plaats van te vertrouwen op een robot om het in één keer perfect te krijgen (wat zelden gebeurt), creëert dit systeem een lus waarin de robot schrijft, een AI-inspecteur het beoordeelt en een AI-monteur de slechte onderdelen herstelt. Dit zorgt ervoor dat de uiteindelijke code niet alleen grammaticaal correct is, maar ook daadwerkelijk doet wat je hebt gevraagd, waardoor ingenieurs worden behoed voor het handmatig debuggen van duizenden regels code.

De auteurs hebben dit "team" open-source gemaakt, wat betekent dat iedereen dit drie-fasen proces kan gebruiken om hun eigen robots betere hardwarecode te laten schrijven.

Technische Samenvatting: EstRTL – Functionele Schatting Gestuurde RTL-Codegeneratie

Probleemstelling

Handmatig Register Transfer Level (RTL) ontwerp is een tijdrovend en foutgevoelig proces, met name voor complexe systemen zoals moderne processors. Hoewel Large Language Models (LLMs) veelbelovend zijn gebleken voor het genereren van syntactisch correcte code vanuit natuurlijke taalprompts, kampen bestaande methoden voor RTL-generatie met aanzienlijke beperkingen wat betreft de functionele correctheid. Huidige benaderingen richten zich primair op model fine-tuning, data-augmentatie (bijv. RAG), of syntaxiscontrole. Ze missen echter vaak mechanismen om te waarborgen dat de gegenereerde code zich daadwerkelijk gedraagt zoals bedoeld in echte hardware-implementaties.

Een kritieke flessenhals is de afhankelijkheid van testbenches voor verificatie. Het handmatig maken van testbenches is arbeidsintensief, terwijl automatisch gegenereerde testbenches vaak niet volledig zijn. Bijgevolg richten veel bestaande methoden zich uitsluitend op syntactische correctheid in plaats van functionaliteit. Bovendien worden codegeneratie en code-correctie vaak apart bestudeerd, en bieden bestaande correctiemethoden doorgaans slechts binaire pass/fail-evaluaties, zonder intermediaire feedback voor iteratieve optimalisatie.

Methodologie: Het EstRTL-framework

Om deze uitdagingen aan te pakken, stellen de auteurs EstRTL voor, een op LLM gebaseerd collaboratief agent-framework gebaseerd op statische functionele score-schatting. EstRTL werkt volgens een driefasig paradigma: Generatie, Schatting en Correctie.

1. Generatie (Code Generation Agent)

Het proces begint met een Code Generation Agent die RTL-code produceert op basis van natuurlijke taal-specificaties.

Syntaxisverificatie: De gegenereerde code ondergaat een syntaxiscontrole met behulp van Icarus Verilog. Als er fouten worden gevonden, ontvangt de agent foutmeldingen en regenereert deze de code. Deze lus is beperkt tot drie iteraties om oneindige lussen te voorkomen.
Foutherinneringen: Het systeem bevat "foutherinneringen" die veelvoorkomende gecorrigeerde fouten samenvatten (bijv. de voorkeur geven aan assign boven always-blokken voor eenvoudige combinatorische logica) om de agent tijdens regeneratie te begeleiden.

2. Schatting (Functional Estimation Agent)

Zodra de code de syntaxiscontroles passeert, wordt deze naar de Functional Estimation Agent gestuurd, die fungeert als het centrale beslissingscentrum. Deze agent voert een statische functionele score-schatting uit zonder testbenches uit te voeren.

Reverse Requirement Generation: De agent gebruikt een LLM om de gegenereerde RTL-code terug te vertalen naar natuurlijke taal-vereisten.
Scoremechanisme: De agent berekent een VFCS (Functional Correctness) score op basis van drie componenten:
1. Semantische Gelijkenis: Berekend met vooraf getrainde modellen (bijv. all-MiniLM-L6-v2, roberta-large) om de gelijkenis tussen de oorspronkelijke specificaties en de gereconstrueerde vereisten op zowel token- als zinsniveau te meten.
2. Volledigheidsscore: Een op strafpunten gebaseerde metriek ( $C$ ) die evalueert welke trefwoorden (zelfstandige naamwoorden/werkwoorden) ontbreken of extra aanwezig zijn tussen de oorspronkelijke en de gereconstrueerde vereisten.
3. LLM Begripsscore ( $L_{LLM}$ ): Een door een LLM uitgevoerde evaluatie van de functionele correctheid van de code op basis van de bovenstaande scores.
Beslissingslogica:
- Onaanvaardbaar lage score: De code wordt teruggestuurd naar de Generation Agent voor volledige regeneratie.
- Foutief maar verbeterbaar: De code wordt doorgegeven aan de Correction Agent.
- Hoge score: De code wordt geaccepteerd als functioneel correct.

3. Correctie (Code Correction Agent)

Voor code die als "foutief maar verbeterbaar" wordt beschouwd, wordt een Code Correction Agent ingezet op basis van Chain of Thought (CoT) redenering.

Redeneringsfase: De LLM analyseert de code tegenover de specificaties om specifieke output-signalen met fouten, de inputcondities die deze fouten triggeren en de onderliggende logische oorzaken te identificeren.
Correctiefase: Op basis van de redenering wijzigt de agent de RTL-code, waarbij waarborgen worden ingebouwd om de herhaling van bekende problemen te voorkomen en een consistente codestijl te garanderen.
Iteratieve Lus: De gecorrigeerde code wordt opnieuw geëvalueerd door de Functional Estimation Agent. Deze lus gaat door totdat de code de functionele controle passeert.

Belangrijkste Bijdragen

LLM-Agent Framework: Ontwikkelde een collaboratief framework dat het succespercentage van generieke LLMs op de VerilogEval-dataset met 3,2% tot 9,0% verhoogt.
Testbench-vrije Functionele Schatting: Introduceerde een methode om de RTL-functionaliteit te schatten zonder testbenches te gebruiken door gebruik te maken van reverse requirement generation en semantische gelijkenis, waarbij een gemiddelde precisie van 84,2% werd bereikt bij het onderscheiden van correcte van incorrecte code.
Geïntegreerde Feedbacklus: Creëerde een naadloze integratie van generatie, schatting en correctie, waarbij de estimation agent kwantitatieve scores en fijnmazige begeleiding biedt, waarmee meer dan 12% van de foutieve RTL-code succesvol is hersteld.
Open-Source Framework: Het EstRTL-framework is open-source en ontworpen om model-agnostisch te zijn, toepasbaar op diverse LLMs (zowel generiek als domeinspecifiek) om de code-correctheid te verbeteren.

Experimentele Resultaten

Het framework werd geëvalueerd op de VerilogEval-v1-Human en VerilogEval-v2 datasets met behulp van vier state-of-the-art LLMs (Qwen-Plus, Qwen3-32B, DeepSeek-Chat, GPT-4o) en vergeleken met baselines zoals RTLFixer, VeriAssistant en gespecialiseerde modellen zoals OriGen en CodeV.

Generatie-nauwkeurigheid: EstRTL verbeterde de Pass@1 nauwkeurigheid van generieke LLMs met 3,2% tot 9,0%. Zo verbeterde DeepSeek-Chat van 73,1% naar 76,3% op VerilogEval-v1-Human.
Schatting-prestaties: De Functional Estimation Agent demonstreerde een hoge precisie (tot 88,9% voor DeepSeek-Chat) en nauwkeurigheid (tot 78,2% voor Qwen3-32B) bij het classificeren van functionele correctheid.
Correctievermogen: De Code Correction Agent bereikte een netto correctiepercentage van 12% tot 17%, waarbij een aanzienlijk deel van de fouten succesvol werd hersteld met minimale introductie van nieuwe regressies.
Uitbreidbaarheid: Het framework integreerde succesvol met gespecialiseerde RTL-modellen (OriGen, RTLCoder, CodeV-QC), wat resulteerde in consistente prestatieverbeteringen (bijv. CodeV-QC verbeterde met 11,5% op VerilogEval-v2) zonder hertraining of parametertuning.
Robuustheid: Het systeem toonde robuustheid ten opzichte van de beslissingsdrempel die wordt gebruikt voor classificatie, waarbij stabiele prestaties werden behouden over een bereik van drempelwaarden (0,38 tot 0,54), wat suggereert dat een vaste drempelwaarde kan worden gebruikt voor verschillende modellen.

Betekenis en Claims

Het artikel stelt dat EstRTL de kritieke kloof tussen syntactische correctheid en functionele correctheid in AI-ondersteund hardwareontwerp aanpakt. Door de arbeidsintensieve creatie van testbenches te vervangen door statische functionele score-schatting, overbrugt het framework de kloof tussen codegeneratie en correctie.

De auteurs benadrukken dat hun aanpak kwantitatieve scores en menselijk leesbare vereistenvergelijkingen biedt, waardoor de transparantie van AI-ondersteunde RTL-generatie wordt verbeterd. Zij stellen dat het framework niet louter een concurrerend model is, maar een plug-and-play verbetering die kan worden toegepast op diverse bestaande LLMs om hun betrouwbaarheid in hardware-ontwerptaken aanzienlijk te vergroten. Het werk wordt gepresenteerd als een fundamentele stap naar robuustere en meer geautomatiseerde hardwareontwerpprocessen, waarbij de focus verschuift van louter codegeneratie naar geverifieerde, functionele hardwarebeschrijvingen.