RAG-Enhanced Kernel-Based Heuristic Synthesis (RKHS): Large Language Models 를

요약

본 논문은 대형 언어 모델(LLMs)이 단순한 코드 생성을 넘어 재사용 가능한 최적화 휴리스틱을 체계적으로 합성할 수 있는 새로운 방법론, RAG-Enhanced Kernel-Based Heuristic Synthesis (RKHS)를 제안합니다. RKHS는 검색 증강 생성(RAG), 컴팩트 커널 템플릿, 그리고 자기 피드백 루프를 통합하여 LLM의 성능을 향상시킵니다. 이 방법론은 고수준 합성(HLS)의 지연 시간 최소화 리스트 스케줄링에 적용되었으며, 기존 대비 평균 스케줄 길이를 최대 11% 단축하는 성과를 보였습니다.

핵심 포인트

• LLMs를 활용하여 전자 설계 자동화(EDA) 분야의 복잡한 최적화 휴리스틱을 체계적으로 합성할 수 있는 방법론을 제시함.
• 제안된 RKHS는 RAG, 커널 템플릿, 그리고 반복적인 자기 피드백 루프를 결합하여 LLM 기반 합성을 강화함.
• HLS의 지연 시간 최소화 리스트 스케줄링 프로토타입에서 기존 대비 평균 스케줄 길이를 최대 11% 단축하는 성능을 입증함.
• 구조화된 검색-합성 루프는 다른 EDA 최적화 문제에도 일반화 가능성이 높음.