구현이 아닌 인터페이스를 학습하라: LLM 기반 RTL 생성에서 출력 표현이 학습 체제에 지배적이다

요약

LLM을 이용한 RTL 생성 연구에서, 모델 훈련 방식(학습 체제)보다 출력 표현 방식(인터페이스)이 성능에 더 큰 영향을 미친다는 것을 발견했습니다. 특히 구성(configuration)과 같은 추상화된 인터페이스를 사용하면 높은 정확도를 달성할 수 있으며, 원시 RTL을 직접 생성하는 것보다 훨씬 효율적입니다.

핵심 포인트

• 출력 표현 방식이 학습 체제보다 성능에 더 지배적이다.
• 구성(Configuration)은 적은 학습 없이도 높은 패스율(0.83)을 달성한다.
• 원시 RTL 생성이 비현실적인 토큰 길이와 에너지 소비 문제를 야기한다.
• 인터페이스를 학습하는 것이 구현 자체를 학습하는 것보다 효율적이다.