论文提出成本感知LLM控制器分工修复模拟版图

Xilai Dai 与 Saeed Mohammadi 发布 arXiv 论文（2610.24234v1），提出一种成本感知的 LLM 代理控制器，用于模拟版图修复：每次编辑后由签核工具重新检查任务约束，控制器依据首次工具评估和后续尝试，用贝叶斯估计更新各角色所用模型与升级顺序，模型只能执行有界的版图操作，未通过检查的版图不会被接受。 基于论文摘要：在规则与初始估计冻结后，控制器在 8 个封闭留出任务中修复成功 7 个，与 OpenAI 旗舰模型持平；在 3 个任务上单次修复花费为后者的 15%—40%，但总体花费高 8%。182 次盲测显示廉价模型能执行计划但很少独立成功。全部 32 次 DAC 修复在每个码值上的积分非线性误差均在人工指导 LVS 修复的 0.005 LSB 内。

AI 根据报道生成 · 2 天前更新