多目标强化学习优化RTL代码生成

发生了什么

据arXiv cs.AI发布，研究提出基于多目标强化学习与大语言模型的RTL代码生成方法，旨在优化PPA帕累托最优解集。该方法通过将覆盖改进转化为序列电路生成问题，并使用基于超体积贡献的奖励函数，评估生成电路对帕累托前沿的贡献。在RTLLM v2基准测试中，该方法相较于无PPA优化的基线提升了13.3个百分点，相较于单目标强化学习方法提升了14.4个百分点，并展示了电路多样性优势。