要旨: 大規模言語モデル（LLM）は、自然言語による説明からRTLコードを生成することにおいて有望であることを示してきましたが、既存の手法は依然として静的であり、進化する設計要件に適応するのが難しいため、構造のズレ（structural drift）や、高コストな全面再生成につながる可能性があります。そこで本研究では、要件の変化に伴うインクリメンタルRTL生成のための、LLM駆動の枠組みであるIncreRTLを提案します。要件とコードのトレーサビリティ（追跡可能性）リンクを構築することで、影響を受けたコード片を特定し再生成することにより、IncreRTLは正確で一貫した更新を実現します。我々が新たに構築したEvoRTL-Benchにて評価した結果、IncreRTLは再生成の一貫性と効率において顕著な改善を示し、LLMベースのRTL生成を実用的なエンジニアリング導入へと前進させます。
IncreRTL：要求進化下におけるトレーサビリティ誘導型の段階的RTL生成
arXiv cs.AI / 2026/3/30
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、設計要求が変化した際にモジュール全体を作り直すのではなく、RTLコードを段階的に生成するためのLLM駆動手法であるIncreRTLを提示する。
- IncreRTLは、要求からコードへのトレーサビリティ（追跡可能性）リンクを構築し、要求変更によって影響を受けるRTLセグメントを特定したうえで、その部分のみを再生成する。
- このアプローチは、従来の静的なLLMによるRTL生成手法で生じうる構造的ドリフトを低減し、更新精度とエンジニアリング上の一貫性の両方を向上させることを目指す。
- 新たに作成されたEvoRTL-Benchにおける評価により、IncreRTLは既存の戦略に比べて再生成の一貫性と効率がより優れていることが示される。
- 本研究は、反復的な要求変更を伴う実際のエンジニアリング・ワークフローにおいて、LLMベースのRTL生成を実務導入するための段階的な取り組みとして位置付けられる。
