Agentic-HLS：一种基于智能体推理的、使用大语言模型的高层次综合系统（AI for EDA 研讨会 2024）
Agentic-HLS: An agentic reasoning based high-level synthesis system using large language models (AI for EDA workshop 2024)
AI总结：
本文提出Agentic-HLS，利用大语言模型和思维链技术预测HLS芯片设计中的延迟及资源利用率，并发布提示词和基准任务，发现更大模型推理能力更强。
摘要：
我们在2024年HLS芯片设计机器学习竞赛中的目标是预测有效性、以周期数表示的运行延迟、BRAM利用率（util-BRAM）、查找表利用率（util-LUT）、触发器利用率（util-FF）以及数字信号处理器利用率（util-DSP）。我们使用大语言模型结合思维链技术来执行分类和回归任务。我们的预测是，随着模型规模的增大，推理能力得到显著提升。我们发布了我们的提示词，并为大语言模型提出了一个HLS基准测试任务。
英文摘要：
Our aim for the ML Contest for Chip Design with HLS 2024 was to predict the validity, running latency in the form of cycle counts, utilization rate of BRAM (util-BRAM), utilization rate of lookup tables (uti-LUT), utilization rate of flip flops (util-FF), and the utilization rate of digital signal processors (util-DSP). We used Chain-of-thought techniques with large language models to perform classification and regression tasks. Our prediction is that with larger models reasoning was much improved. We release our prompts and propose a HLS benchmarking task for LLMs.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
