arXiv: 2604.22234 · PDF

作者: Taizun Jafri, Vidya A. Chhabria

单位: Arizona State University

主分类: cs.AR · 全部: cs.AR

命中关键词: large language model, llm, agent, agentic, rag

TL;DR

GR-Evolve 用 agentic LLM 迭代改写全局布线器源码，针对单个设计自适应特化 EDA 工具算法，在 OpenROAD 上最多减少 8.72% 的 wirelength。

核心观点

  • 提出 design-adaptive EDA tooling 新范式：EDA 工具内部算法对每个设计自动特化，而不是只调 hyperparameter。
  • 以 GR-Evolve 框架实例化该范式：agentic LLM 基于 QoR 反馈迭代修改全局布线（global routing）源码。
  • 为 LLM 配备开源 global router 的持久上下文知识与 OpenROAD 内的 QoR 评测工具链。
  • 在 7 个 benchmark、3 个工艺节点上验证，相比现有 baseline router，post-detailed-routing wirelength 最多减少 8.72%。

方法

GR-Evolve 是一套 code evolution framework：agentic LLM 读取开源 global router 源码与累积的 QoR 历史，迭代生成新版本代码；每轮在 OpenROAD 工具链中完成布线与 QoR 评估，结果再作为反馈注入下一轮。知识库包含持久的 router 设计上下文，使 LLM 具备路由算法领域知识，从而做有针对性的算法级修改而非仅调参。

图 1 图 2 图 3

实验

  • Benchmark：7 个设计，跨 3 个工艺节点。
  • Baseline：现有 open-source global router。
  • 指标：post-detailed-routing wirelength（作为 QoR 代理）。
  • 基础设施：OpenROAD。

结果

相对 baseline router 最多降低 8.72% 的 post-detailed-routing wirelength，验证 LLM 驱动的 EDA 代码演化在 design-adaptive global routing 上的可行性。摘要未披露平均值与其他 QoR 指标，样本量较小。

为什么重要

把 agentic LLM 从"调超参"推进到"改算法源码"，将 EDA 工具从固定启发式转为 per-design 演化。对 LLM infra / agent 从业者，展示了 code-evolution agent + 领域 simulator-in-the-loop 的落地范式，可迁移到其他 EDA、编译器、优化器场景。

与已有工作的关系

  • 接续 learning-based EDA optimization 与 hyperparameter tuning 工作，但突破了静态算法实现的限制。
  • 思路上承接 AlphaEvolve / FunSearch 等 LLM 代码演化范式，首次应用于 global routing。
  • 依赖 OpenROAD 开源 EDA 基础设施与既有 open-source global router。

尚未回答的问题

  • 演化结果是否可跨设计泛化，还是每个设计都要重新演化？
  • 算力与 token 成本、迭代次数 vs 收益曲线未披露。
  • 对 timing、congestion、DRC 等其他 QoR 指标的影响？
  • 能否扩展到 placement、detailed routing、STA 等其他 EDA 阶段？

原始摘要（中文翻译）

现代 ASIC 设计日益复杂，推高设计成本，并限制了现有 EDA 工具带来的生产力提升。尽管经过数十年的发展，当前工具仍依赖固定的启发式算法，仅通过工具超参数提供有限的控制，需要大量人工调优才能达到可接受的 quality of results（QoR）。虽然以往工作探索了基于学习的优化以及面向特定设计的超参数调优，但这些方法都在静态工具算法实现的约束内运行，并不会根据具体设计去适配底层算法本身。为突破这一限制，我们提出 design-adaptive EDA tooling 的概念，即 EDA 工具的内部算法能够根据给定设计的特征自动专门化。我们通过 GR-Evolve 实例化这一范式：这是一个代码演化框架，利用 agentic 大语言模型（LLM），基于 QoR 驱动的反馈迭代修改全局布线源码。该框架为 LLM 提供了关于开源全局布线器的持久上下文知识，以及 OpenROAD 基础设施中用于 QoR 评估的集成工具链。我们在 3 个工艺节点上的 7 个 benchmark 设计上评测 GR-Evolve，结果显示相对已有 baseline router，post-detailed-routing wirelength 最多降低 8.72%，凸显了 LLM 驱动的 EDA 代码演化在 design-adaptive 全局布线上的潜力。