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.
휴리스틱 설계는 현대 전자 설계 자동화 (EDA) 도구를 지탱하지만, 효과적인 배치 (placement), 라우팅 (routing), 및 스케줄링 (scheduling) 전략을 수립하려면 상당한 전문성이 요구됩니다. 우리는 대형 언어 모델 (LLMs) 이 단발성 코드 생성 (one-shot code generation) 을 넘어 재사용 가능한 최적화 휴리스틱을 체계적으로 합성 (synthesize) 할 수 있는 방법을 연구합니다. 우리는 검색 증강 생성 (RAG), 컴팩트 커널 휴리스틱 템플릿, 그리고 반복적 자기 피드백에 영감을 받은 LLM 기반 정제 루프를 통합한 RAG-Enhanced Kernel-Based Heuristic Synthesis (RKHS) 를 제안합니다. 고수준 합성 (HLS) 에서 지연 시간 최소화 리스트 스케줄링 (latency-minimizing list scheduling) 에 적용된 프로토타입은 베이스라인 스케줄러 대비 평균 스케줄 길이를 최대 11% 줄였으며, 런타임 오버헤드는仅有 1.3 배에 그쳤습니다. 또한, 구조화된 검색-합성 루프는 다른 EDA 최적화 문제에도 일반화됩니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AR의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기