Cet article présente une nouvelle méthode, appelée ChipAlign, pour résoudre le problème d'alignement des instructions des modèles de langage à grande échelle (LLM) appliqués à la conception de puces. ChipAlign combine un LLM général aligné sur les instructions et un LLM spécifique à la puce grâce à une stratégie de fusion de modèles sans apprentissage. Considérant la variété de base de l'espace de pondération, elle fusionne efficacement les pondérations par interpolation géométrique pour produire un modèle combinant capacité d'alignement des instructions et expertise de la puce. Les résultats expérimentaux montrent que ChipAlign améliore significativement la capacité de suivi des instructions du LLM de la puce existante, atteignant jusqu'à 26,6 % d'amélioration des performances sur le benchmark IFEval, et démontre également des améliorations de performances sur les benchmarks OpenROAD QA et QA sur puce réelle.
