LACE: Large Language Model Aided Multi-Agent Framework for Agile RISC-V Instruction Extension
LACE 是一个由大语言模型辅助的多智能体框架，它能够将自然语言形式的 RISC-V 指令扩展意图自动转化为经过验证的 RTL 代码和编译器无关的检查，从而显著提高生成准确性并减少跨不同核心的集成返工。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，计算机芯片的世界就像一座繁忙的大都市，每一栋建筑都是一个微型处理器，而“指令”则是告诉这些建筑如何移动、计算以及彼此交流的法律。几十年来，这些法律由一小群建筑师设定，被刻在石头上，使得很难在其中建造新的、专门的任务设施。但随后，RISC-V 出现了，这是一种全新的城市规划方式，它允许任何人向规则手册中添加自己的自定义规则。这就像是给每位房主提供了一套工具箱，让他们可以在自家的后院建造秘密滑梯或火箭发射器。然而，这里有一个陷阱：这座城市里的每栋房子建造得都略有不同。在一家房子里运行完美的滑梯，到了下一家可能会因为水管或布线不同而坍塌。如何在不为每栋房子都聘请专业工程师团队的情况下，为这些单体建筑构建出定制化功能，一直是一个缓慢、混乱且令人沮挫的难题。
于是，LACE 诞生了，这是一个旨在解决这一头痛问题的数字助手。把 LACE 想象成一支由人工智能驱动的、超级聪明的多成员施工队。它不像人类工程师那样盯着蓝图试图猜测哪里该剪断电线，而是倾听一个简单的描述，比如“我想要一个向左旋转的滑梯”，然后计算出如何在任何特定的房子内部构建它。它不仅仅是在靠猜；它使用了一个专门的 AI 代理团队。一个代理将你的想法转化为粗略的草图，另一个代理在房子的蓝图中寻找发生变化的确切位置，第三个代理则会检查工作，确保房子不会起火。论文显示，这个团队在第一次尝试时就能成功在约 100 次尝试中的 73 次中完成构建，这比仅仅让单个 AI 独立完成任务的近乎零的成功率有了巨大的飞跃。
问题所在：在不同的房子里建造定制滑梯
在计算机芯片的世界中，特别是在开源的 RISC-V 家族中，工程师经常想要添加“指令集扩展”（ISAX）。你可以把它们看作是让芯片在特定任务（如视频解码或数据加密）上变得超快的自定义指令。这就像是给汽车增加一个涡轮增压按钮。问题在于，虽然增加涡轮按钮的想法很简单，但实际安装起来却是一场噩梦。每个 RISC-V 芯片的内部结构（微架构）都略有不同。在一个芯片上行得通的东西，在另一个芯片上可能会失效。
传统上，如果你想添加一条自定义指令，你需要人类专家手动查看特定芯片的代码，找到正确的线路并重新编写它们。这既缓慢、昂贵，又容易出错。如果你稍微改变了芯片设计，你的自定义指令可能就会停止工作，你必须从头开始。现有的自动化工具虽然试图提供帮助，但它们通常要求用户了解过多的硬件知识，或者在面对从未见过的芯片时会失败。
解决方案：LACE，AI 施工队
论文介绍了 LACE（用于敏捷 RISC-V 指令扩展的大语言模型辅助多智能体框架）。LACE 并不依赖一个庞大的 AI 来完成所有工作，而是使用一个由较小的 AI 代理组成的团队协同工作，非常类似于拥有领班、蓝图阅读员和安全检查员的施工队。
以下是这个团队的工作方式：
- 翻译官（代理 1）： 你用简单的英语告诉系统你的需求，例如“将这个数字的位向左旋转”。翻译官将此转化为一系列高层级的“操作”，例如“读取数字”、“移动它”以及“写回它”。它现在还不关心具体的芯片，它只是理解这个“想法”。
- 任务规划师（代理 2）： 这个代理会观察你正在使用的特定芯片。它知道有些芯片像单车道公路（简单），而有些则像复杂的快速路（流水线式）。它将高层级的想法分解为具体的任务，例如“在交通灯上增加一个新标志”或“改变停止信号的时序”。
- 图书管理员（代理 3 & 4）： 这是“检索增强生成”（RAG）部分。芯片的代码是一个拥有数百万行代码的海量图书馆。图书管理员不会阅读整本书；它使用智能搜索系统找到需要进行更改的精确几页。它构建了一张代码地图，以便团队知道确切的挖掘位置。
- 建造者（代理 5）： 这个代理编写实际的代码（HDL）来实现变更。它就像是真正剪断电线并焊接连接的工人。
- 检查员（代理 6）： 在工作完成之前，检查员会检查成果。它通过运行测试来确保新功能正常工作，并且至关重要的是，确保它没有破坏其他任何东西。如果它发现了错误，它会准确告知建造者出了什么问题，然后建造者再次尝试。这个循环会一直持续到代码完美为止。
研究发现：一次巨大的飞跃
研究人员在四种不同类型的 RISC-V 芯片上，针对五种不同的自定义指令（如位旋转工具、内存加载器和正余弦计算器）测试了 LACE。这些芯片涵盖了从简单的非流水线设计到复杂的、多阶段流水线的各种类型。
结果非常惊人。当他们尝试使用标准 AI（单个代理）来完成这项工作时，它几乎总是失败，在处理复杂芯片时，其代码正确率不到 12%。但在 LACE 团队协作下，成功率平均达到了 72.8%。在某些情况下，例如简单的位旋转任务，LACE 的成功率达到了 100%。
论文还研究了添加这些功能的成本。他们使用 TSMC 28nm 技术对芯片进行了模拟。他们发现，添加这些自定义指令使芯片的尺寸（面积）增加了约 10%，并在大多数情况下使速度（频率）降低了不到 10%。对于更复杂的任务，成本会更高，但团队指出，LACE 的性能与人类专家使用现有工具（如 SCAIE-V）所能达到的水平相当。
这为什么重要
LACE 表明，我们正朝着一个“添加自定义芯片功能就像用英语描述它们一样简单”的未来迈进。它弥合了软件开发人员的高层级想法与底层硬件现实之间的鸿沟。通过使用一个能够搜索、规划、构建并检查自身工作的 AI 代理团队，LACE 减少了对手动、易错编码的需求。
论文谨慎地指出，这目前是一项模拟和综合研究，尚未在工厂中制造出真实的物理芯片。他们也承认，完全自动化“验证”部分（确保芯片安全）仍然需要人工来设置测试工具。然而，结果表明，这种多智能体方法是一个强大的进步，使得以比以前少得多的精力去适配新的、未见过的芯片设计成为可能。它将一个过去需要专家工作数天的过程，缩短到了可以在极短时间内完成，为未来更专业化、更高效的计算机芯片开启了大门。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。