概念Agent-based HLS with RTL Refinement
AHRR
AHRR是一种AI智能体驱动的芯片设计工作流，结合高层综合（HLS）抽象与RTL细化优化，先在高层抽象上快速构建设计，再回到RTL层面挖掘底层优化空间，在多任务基准测试中相比直接RTL设计实现2.6倍加速
时间轴 (近 90 天)
9月21日
研究团队通过引入高层综合（HLS）作为智能体工作层配合RTL级别细化，在多任务基准上相比直接RTL设计取得平均2.6倍的几何平均加速
待验证50%
9月21日
研究团队设计并对比了四种工作流：直接RTL设计、基于智能体的HLS设计、编译后HLS细化、HLS后RTL细化
待验证50%
9月21日
论文核心贡献AHRR（Agent-based HLS with RTL Refinement）将基于智能体的HLS设计与HLS后RTL细化结合，形成先在高层抽象构建设计再回到RTL层回收底层优化空间的工作流
待验证50%
9月21日
论文声称其研究的设计流程权衡在很大程度上与目标工艺无关，AHRR思路有望迁移到ASIC等其他芯片实现路径
待验证50%
9月21日
研究团队已将AHRR的代码和评估工件开源（GitHub: ZijD/AHRR）
待验证50%
全部知识事实 (5)
待验证
研究团队通过引入高层综合（HLS）作为智能体工作层配合RTL级别细化，在多任务基准上相比直接RTL设计取得平均2.6倍的几何平均加速
50%待验证研究团队设计并对比了四种工作流：直接RTL设计、基于智能体的HLS设计、编译后HLS细化、HLS后RTL细化
50%待验证论文核心贡献AHRR（Agent-based HLS with RTL Refinement）将基于智能体的HLS设计与HLS后RTL细化结合，形成先在高层抽象构建设计再回到RTL层回收底层优化空间的工作流
50%待验证论文声称其研究的设计流程权衡在很大程度上与目标工艺无关，AHRR思路有望迁移到ASIC等其他芯片实现路径
50%待验证研究团队已将AHRR的代码和评估工件开源（GitHub: ZijD/AHRR）
50%