본 논문은 대규모 언어 모델(LLM)의 하드웨어 기술 언어(HDL) 코드 생성 능력 향상을 위한 훈련이 필요 없는 프레임워크 HDLCoRe를 제안한다. HDL 데이터 부족으로 인한 환각 및 잘못된 코드 생성 문제를 해결하기 위해, 프롬프트 엔지니어링 기법과 검색 증강 생성(RAG)을 활용한다. HDLCoRe는 자체 검증 기능을 포함한 HDL 인식 사고 연쇄(CoT) 프롬프트 기법과 이종 RAG 시스템의 두 가지 주요 구성 요소로 이루어져 있으며, 모델 미세 조정 없이 LLM의 HDL 생성 능력을 향상시킨다. 실험 결과, RTLLM2.0 벤치마크에서 환각을 크게 줄이고 구문 및 기능적 정확성을 향상시키는 우수한 성능을 달성함을 보여준다.
시사점, 한계점
•
시사점:
◦
LLM을 이용한 HDL 코드 생성의 정확성 및 신뢰성 향상에 기여한다.
◦
훈련 데이터 부족 문제를 프롬프트 엔지니어링 및 RAG 기법으로 효과적으로 해결한다.
◦
모델 미세 조정 없이 성능 향상을 달성하여 효율성을 높인다.
◦
HDLCoRe 프레임워크는 다른 도메인 특화 코드 생성에도 적용 가능성을 시사한다.
•
한계점:
◦
제안된 프레임워크의 성능은 사용된 LLM 및 RAG 시스템의 성능에 의존적일 수 있다.
◦
RTLLM2.0 벤치마크 외 다른 벤치마크에 대한 평가가 필요하다.
◦
복잡한 HDL 코드 생성에 대한 성능 한계가 존재할 수 있다.
◦
HDLCoRe의 프롬프트 엔지니어링 및 RAG 구성요소의 최적화에 대한 추가 연구가 필요하다.
