כתבה
arXiv cs.LG ·
SyntheticHLS: יצירת נתוני HLS סינתטיים רב-גוניים
SyntheticHLS: Building Diverse Synthetic High-Level Synthesis Datasets using LLMs
מודלי LLM יוצרים נתוני HLS סינתטיים רב-גוניים. הפרויקט SyntheticHLS משתמש במודלי LLM כדי לייצר נתוני HLS סינתטיים רב-גוניים. הפרויקט מציע פתרון לבעיית ייצור נתוני HLS סינתטיים רב-גוניים.
תקציר מקורי באנגליתarXiv:2610.00106v1 Announce Type: cross Abstract: Deep learning and large language models (LLMs) are rapidly gaining adoption in semiconductor design, driving demand for training datasets. Most efforts focus on hardware description languages (HDLs) while designs for high-level synthesis (HLS), a popular approach to domain-specific accelerators, remain scarce. HLS dataset efforts emphasize manual curation or design parameterization, seldom addressing high-quality LLM-based generation or diversity in code length, hierarchy, design-space size, latency, resource utilization, and application domain, potentially limiting model generalization. We propose SyntheticHLS, a framework for generating large-scale, complex, diverse synthetic HLS datasets using LLMs. Its two key ideas are: 1) an iterative
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית