في مجال تصميم الأجهزة الرقمية، يعتبر توليد كود RTL (Register Transfer Level) آليًا من أكبر التحديات. يحدث ذلك بسبب مشكلة الاستدلال طويل الأمد، التبعيات ذات الخطوات المتعددة، والمتطلبات الصارمة للدقة في لغات مثل Verilog وVHDL. لذا، تم تقديم النظام الجديد StepPRM-RTL، وهو إطار عمل مبتكر يجمع بين نمذجة المسار خطوة بخطوة، ونموذج مكافأة العملية (Process Reward Model - PRM)، وتقنية تحسين التعليم المدعومة بالاسترجاع (Retrieval-Augmented Fine-Tuning - RAFT) لتحسين كل من دقة الوظائف وموثوقية الاستدلال في توليد كود RTL باستخدام نماذج اللغات الكبيرة (Large Language Models - LLM).

يعمل StepPRM-RTL على بناء مسارات استدلال خطوة بخطوة من حلول نموذجية، حيث تحتوي كل خطوة على تفسير وتعديل كودي تدريجي. كما يقوم نموذج مكافأة العملية بتقييم الخطوات المتوسطة، موفراً تغذية راجعة مركزة توجه التحديثات على نمط التعزيز أثناء عملية تحسين RAFT. تستخدم تقنية البحث في شجرة مونتي كارلو (Monte Carlo Tree Search - MCTS) لاستكشاف مسارات استدلال بديلة، مما ينمي مجموعة بيانات التدريب مع مسارات عالية الجودة.

يسمح دمج المكافآت القابلة للتصحيح والمستندة إلى النتائج مع التعلم من خطوات متتالية للنموذج أن يتعلم كيف ولماذا يبني RTL الصحيح، مما يُحسن الاستدلال على المدى الطويل بما يتجاوز التدريب التقليدي القائم على الإشراف أو النتائج. وقد أظهرت التجارب على مجموعات بيانات مرجعية من Verilog وVHDL أن StepPRM-RTL يتفوق على أفضل الأساليب السابقة بنسبة تفوق 10% في مقاييس دقة الوظائف وموثوقية الاستدلال. تؤكد دراسات الاقتراب (Ablation Studies) أن الجمع بين مكافآت الإرشاد من PRM واستكشاف المسارات خطوة بخطوة هو المفتاح لأدائه.

هذا التطور ليس مجرد تحسين تقني، بل يمثل معيارًا جديدًا لتصميم الأجهزة المدعوم بالذكاء الاصطناعي، حيث يمكن أن يتجاوز التطبيق في لغات RTL المختلفة ويقدم إطارًا قابلًا للتوسع لتوليد كود دقيق وسهل الفهم.