تتزايد استخدامات نماذج اللغة الكبرى (LLMs) في مجالات تصميم الدوائر، ولكن لا تزال موثوقيتها في التعرف على قوائم SPICE (Simulation Program with Integrated Circuit Emphasis) وتحريرها غير مفهومة بشكل جيد. في هذا السياق، تم تقديم معيار جديد يُدعى NetlistBench، والذي صُمم لتقييم هذه المواظبة في التعرف على قوائم SPICE، والتي لا تُعتبر مجرد نصوص بل تحتوي على كائنات دائرة معقدة من خلال التوبولوجيا والمعلمات.

NetlistBench؟">ما هو NetlistBench؟


NetlistBench هو معيار معتمد على الهيكل يهدف إلى فحص موثوقية نماذج اللغة الكبرى عند التعرف على قوائم SPICE. يحتوي هذا المعيار على 2342 حالة موزعة عبر 24 عائلة من المهام، تشمل التعرف على المعلمات والاتصالات وتحريراتها، العمليات الهرمية، حكم المساواة، والتحريرات المركبة على المدى الطويل.

نتائج مثيرة للاهتمام">نتائج مثيرة للاهتمام


تُظهر التقييمات التي تُجرى بواسطة صانع قراصة هيكلي متسق أن الأداء يختلف بشكل كبير حسب تعقيد الهيكل على مستوى العملية. في حين أن التعديلات المحلية البسيطة تصل دقتها إلى 96%–100%، فإن إضافة الأجهزة تنخفض إلى 41%–83%، ويصل حكم المساواة إلى 49%–90%.

بينما تُحسن القدرة على التفكير الأداء في النماذج الأضعف، إلا أنها لا تقضي على الفشل في الحفاظ على الهيكل، حيث يستمر الأداء في التدهور بشكل حاد مع زيادة أفق التعديل. وبالتالي، يُعتبر التعرف على موثوقية قوائم SPICE نقطة ضعف رئيسية في أتمتة تصميم الدوائر التي تعتمد على نماذج اللغة الكبرى.

يعتبر NetlistBench خطوة هامة نحو تحسين موثوقية استخدام نماذج اللغة الكبرى في تصميم الدوائر وإدخال تحسينات ملحوظة في هذا المجال.