RTL-Interact：让单一模型自行生成、检查并修正 RTL 设计
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载单模型打通生成与修复
现有 RTL 专用模型的一个共同短板，是缺少与 EDA 工具的学习式交互，或者把生成与修复拆成两个独立部件。RTL-Interact 的做法是把这三件事收进同一个模型：写出 RTL、针对具体任务构造合适的 EDA 检查、再根据工具返回的结果修改实现。训练数据方面，框架自动构建多任务演示，监督信号分阶段推进，先教模型形成思维链，再过渡到把工具调用纳入推理过程。这样模型学到的不只是写出语法正确的代码，还包括主动设计检查手段并读懂工具输出。
PAPO 的奖励设计
论文提出的 Pattern-Aware Policy Optimization 建立在 Group Relative Policy Optimization 之上，改动集中在奖励与任务组织两处。奖励采用正确性门控：只有检查确实成功才计入，同时偏向简洁的成功检查，并对有效的修改给予回报，避免模型靠堆砌冗长检查刷分。任务分组则用于在多个目标之间保持覆盖，防止优化偏向某一类任务而丢掉其他能力。这一设计带来的直接效果是工具调用效率的变化：平均调用次数下降 63.8%，Pass@1 反而上升。
基准上的表现
在 CVDP 上，32B 版本取得 48.7% 的加权 Pass@1 和 68.9% 的 Pass@5，成绩超过作为教师模型的 DeepSeek-V3.2；8B 版本的加权 Pass@1 为 44.9%。除 CVDP 外，两个模型在 VerilogEval v2 和 RTLLM v2 上也优于全部 RTL 专用基线。论文给出的结论是，上述结果说明该训练方法有效。需要留意的是，这些数字来自论文自报的评测设置，且稿件仍处于 ICLR 2027 审稿阶段，尚未经过同行评审定稿。
为什么值得看
把 EDA 工具反馈纳入训练闭环，并给出工具调用减少 63.8% 的量化结果，对做代码与硬件设计智能体的人有直接参考价…
信源1 家
关键事实
RTL-Interact 用单一模型完成 RTL 生成、EDA 检查构造与基于反馈的修改[1]
框架结合自动构建的多任务演示与从思维链到工具集成推理的分阶段监督[1]
PAPO 在 Group Relative Policy Optimization 上加入正确性门控奖励，并用任务分组保持覆盖[1]
CVDP 上 32B 版本加权 Pass@1 为 48.7%、Pass@5 为 68.9%，高于教师模型 DeepSeek-V3.2；8B 版本加权 Pass@1 为 44.9%[1]
PAPO 使平均工具调用减少 63.8%，同时 Pass@1 提升；两模型在 VerilogEval v2 与 RTLLM v2 上超过所有 RTL 专用基线[1]
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。