openai在11月18日公开的芯片设计研究中,对picorv32和ibex两个32位risc-v核心设置现有rtl优化与按规范生成两类任务,合计进行9881次评分运行。研究比较不同模型和token预算下的结果,并把功能正确性与面积门槛纳入评分;这个受控评估与实际生产芯片收益是不同证据。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
横轴为加权Token成本,纵轴为平均归一化奖励。

不同核心的曲线和误差范围分别列出。
正确性、面积和速度一起进入评分
原文说明,功能模拟无效或面积超过基线16倍的候选得零分;有效方案再按隐藏工作负载的IPC几何平均值与Yosys估计最大频率等因素评分,并对结果归一化。归一化奖励1是本评估口径下的参照,不是100%通用正确率,也不是实际芯片GHz。

从规范生成与修改现有RTL是两种任务,不能合并比较。

图中成绩与预算针对该任务设置。
生成任务更自由,也更需要生产约束
公司报告GPT-6.2 Astra在约112000 Token预算处取得所比较模型中的较高平均成绩;从规范生成任务也可能利用省略性能计数器或额外指令等自由度取得高分。实际产品是否允许这些取舍,应由完整规范和验证要求决定。开源小核心的评测结果不能直接外推为大型CPU、GPU的可制造性或相同PPA收益。











