A Multi-Expert Large Language Model Architecture for Verilog Code Generation

本文是LLM系列文章，针对《A Multi-Expert Large Language Model Architecture for Verilog Code Generation》的翻译。

摘要

最近，人们对使用大型语言模型（LLM）生成Verilog代码的兴趣激增。然而，现有的方法在生成的Verilog代码的质量方面是有限的。为了解决这些局限性，本文介绍了一种用于Verilog代码生成的创新的多专家LLM架构（MEV-LLM）。我们的架构独特地集成了多个LLM，每个LLM都使用一个数据集进行了专门的微调，该数据集根据不同的设计复杂性级别进行了分类。它允许更有针对性的学习，直接解决为每个类别生成Verilog代码的细微差别。实验的经验证据突出表明，在生成的Verilog输出中，语法和功能正确的百分比有了显著提高。这些发现强调了我们方法的有效性，有望通过机器学习在自动化硬件设计领域实现飞跃。

1 引言

2 相关工作

3 方法和数据集

4 评估和讨论

5 结论和未来工作

在这项研究中，我们引入了一个新的多专家LLM框架，称为MEV-LLM，以及一个分类数据集，其中每个条目都有丰富的描述。这种新架构的目的是通过引入多专家LLM架构，在所有Verilog分类和复杂性级别上促进增强结果，从而克服先前研究的缺点。评估结果表明，MEV-LLM架构成功实现了其预期效益，在pass@k正在记录度量。我们认为，通过汇编更多样化和全面的数据集以及进一步调查各种复杂程度&#