COEVO：LLMベースRTL生成における共同機能的正確性とPPA最適化のための共進化フレームワーク

arXiv cs.AI / 2026/4/17

📰 ニュースDeveloper Stack & InfrastructureSignals & Early TrendsModels & Research

共有:

要点

この論文は、従来のLLMベースRTL生成手法が機能的正確性とPPA（消費電力・性能・面積）最適化を別々に扱うため、アーキテクチャ的に有望な部分的に正しい候補が一貫して捨てられてしまうと指摘しています。
COEVOは、正確性を連続的にスコア化する「正解性次元」をPPA最適化と同一の進化ループ内で同時に最適化する共進化フレームワークとして提案されています。
COEVOは、きめ細かなスコアリングと詳細な診断フィードバックを与える拡張テストベンチにより探索の誘導を強化し、さらにアニーリング付きの適応的な正確性ゲートで「PPAに有望だが部分的に正しい」候補を探索に残せるようにします。
PPAのトレードオフ構造を保つため、スカラー的な適合度をやめて、面積・遅延・電力の全体構造を手動の重み調整なしで維持できる4次元のパレートベース非支配ソートを用います。
VerilogEval 2.0とRTLLM 2.0での評価では、GPT-5.4-miniを用いたときPass@1が97.5%および94.5%と報告され、さらに複数のLLMバックボーンで全エージェント型ベースラインを上回り、合成可能な49設計のうち43件で最良のPPAを達成したとしています。

Abstract

LLMベースのRTLコード生成手法は、機能的な正しさとPPA品質の両方をますます目標にしていますが、既存のアプローチはその2つの目的を常に切り離し、正しさが完全に達成された後にのみPPAを最適化しています。逐次的なマルチエージェント・パイプライン、二値の正しさゲートを伴う進化探索、あるいは階層的な報酬依存関係によるものであっても、部分的に正しいものの、アーキテクチャ的には有望な候補が体系的に捨てられてきました。さらに既存手法は、多目的のPPA探索空間を単一のスカラー適応度に還元してしまうため、面積・遅延・電力の間のトレードオフが見えなくなります。これらの制約に対処するため、我々はCOEVOを提案します。COEVOは、単一の進化ループの中で正しさとPPA最適化を統合する共進化フレームワークです。COEVOは、面積・遅延・電力と並ぶ連続的な共最適化次元として正しさを定式化し、細かなスコアリングと詳細な診断フィードバックを提供する強化されたテストベンチによって実現します。アニーリング付きの適応的正しさゲートにより、PPAに有望だが部分的に正しい候補が、共同で最適な解へ向けて探索を導くことができます。PPAの全体的なトレードオフ構造を維持するため、COEVOは4次元のパレートベース非劣解ソーティングと、設定可能なレベル内ソーティングを採用し、手動の重み付けチューニングなしにスカラー適応度を置き換えます。VerilogEval 2.0およびRTLLM 2.0で評価したところ、COEVOはGPT-5.4-miniで97.5\%および94.5\\% Pass@1を達成し、4つのLLMバックボーンすべてにおいてエージェント型のベースラインを上回りました。さらに、49個の合成可能なRTLLM設計のうち43個において最良のPPAを達成しています。