核心问题:在当前搜索过程中反复得到支持的经验,何时足以成为限制后续搜索的硬规则?
论文卡片
KunLong Li、Shangshang Yao、Su Zheng、Lingli Wang,分别来自复旦大学、独立研究者及香港中文大学。论文 StateTune: Transforming LLM-Assisted EDA Flow Tuning into a Stateful, Closed-Loop Process,arXiv v1 发布于 2026-08-19;本导读依据这一公开全文,文中标注 ICCAD ’26。
定位:用持久化记忆与多保真评估组织 EDA 流程调参的实证系统研究。它优化的是工具参数配置,不是直接生成 RTL。
简短导读:记忆不仅告诉模型做什么,还决定什么值得测
一次完整布局布线评估很贵,调参系统必须同时决定两件事:提出哪些配置,以及让哪些配置获得完整运行的预算。StateTune 让二者读取同一份持续更新的状态,其中包括先验、规则、失败总结、敏感性、历史结果、Pareto 前沿和运行时间预测。
系统先运行到时钟树综合(CTS),再选择部分候选继续到布线。选择依据是预期超体积改进 EHVI 除以带不确定性余量的运行时间估计:既考虑候选可能扩展多少性能取舍空间,也考虑测量它要花多少时间。
最值得细读的不是“记住历史”,而是哪些历史解释可以约束未来。软启发式可以被覆盖;硬规则至少要有 12 个完整有效评估的支持,并通过事后单侧 Mann–Whitney U 检验,才被激活。活跃硬规则最多八条,还会定期删除过时或被反驳的条目。阈值 12 并非唯一条件,更不是形式化证明。
这个过滤确实有事可做:作者报告,在 ASAP7 JPEG 的一次运行中,13 条硬规则只有 1 条得到验证,101 条软启发式中有 30 条被验证、6 条被反驳。LLM 能提出大量解释,工具运行与统计检查才决定其中哪些有资格被保留。
证据:过滤比无条件记忆更有帮助
主实验使用 Cadence Genus/Innovus,覆盖 JPEG、AES、IBEX 三种设计与 ASAP7、NanGate45 两种工艺库,共六个组合,调整 19 个参数。预算为每组 192 thread·h;论文将其定义为 EDA 工作线程占用时数,不应直接读成机器墙钟时间。
对照是随机搜索、Optuna-TPE、qEHVI 贝叶斯优化、RankTuner 和 CROP。后两者由作者在统一框架中重新实现;论文说明主比较共享执行、晋级和预算统计管线,因此不能把它读成各原始系统未经改动的直接排名。
评价目标为时序 WNS、面积和功耗。超体积 HV 衡量 Pareto 前沿相对参考点覆盖的取舍空间;它不是一个电路的准确率。各目标最优值也可能出自不同配置,不能拼成一颗同时拥有所有最优指标的芯片。
与记忆问题最相关的是 ASAP7 JPEG、48 thread·h 下的局部分析:
| 比较 | 原文报告 |
|---|---|
| 去掉持久化记忆 | HV 从 10.10 M 降至 4.19 M,下降 58.5% |
| 去掉 EHVI 晋级 | HV 降至 8.32 M,下降 17.6% |
| 不验证便接纳所有规则 | full-valid 比例从 5.42% 降至 2.31% |
| 支持门槛从 4 调到 12、再到 24 | HV 先升后降,所测设置中 12 最好 |
这些结果支持“记忆需要筛选”,以及门槛存在过早约束与过晚利用之间的权衡。它们没有证明 12 是其他设计、预算或工具版本的通用最优值。 去掉整个持久化状态也同时影响多个决策环节,58.5% 不能全部归因于自然语言规则本身。
需要保留的证据边界
表 6 的单次主比较中,StateTune 在六组上都取得最高 HV,但优势大小不同。例如 ASAP-JPEG 为 456,400,对照中最高的 Optuna-TPE 为 341,200;NAN-JPEG 则是 2,097,000 对 2,082,000。不能用前一个较大的差距代表所有设计。
原文的部分汇总与表格存在冲突。正文称六组三次重复实验的平均 HV 都不低于主表单次值,但 NAN-IBEX 的表 7 均值为 1,660,低于表 6 的 1,810,也低于表 6 中 BO 的单次 1,780。这个跨表比较不能替代双方完整的重复实验,却足以说明“各组重复均值都更高”的文字不成立。本导读保留表格数值,不据此宣称稳定全面领先。
论文还明确说明,主比较、消融与敏感性分析分别设置参考点;不同表的 HV 绝对值不能直接互比。跨设计迁移只有两个种子,结论也应限于所测设置。以上为论文报告及导读者对其证据范围的判断,未独立复现。
更深的限制是:支持规则的观察来自当前搜索过程。重复支持能减少草率判断,却未自动消除参数之间的混杂、相似配置的重复采样,或规则激活后难以再看到反例的问题。这里的证据门槛是一种经验性质量控制,不是全参数空间的正确性保证。
重点阅读章节
- §3.2–3.3: 区分硬规则、软启发式及激活条件,留意规则检验是在累计观察上事后进行的。
- §4、表 6–8: 核对统一对照、预算单位、参考点与重复实验,避免把不同 HV 口径连成一条增长曲线。
- §5.3–5.5: 对照门槛敏感性、无过滤记忆和跨设计迁移,区分局部有效与普遍可靠。
思想启发
以下是导读者的延伸理解。
记忆一旦参与筛选,就不再只是过去的记录,它还会改变下一轮能获得什么证据。一条规则若排除了某片区域,系统可能因此减少失败,也可能失去发现该区域中特殊优解的机会。这使“知道了什么”与“以后还允许观察什么”紧密相关。
StateTune 的有趣之处,是为规则设置进入、覆盖和退出条件,而不把模型的总结直接当成知识。它说明记忆可以被治理;但治理是否充分,还取决于证据是否多样、规则是否带着适用条件,以及反例是否仍有机会出现。
三个开放性思考问题
1. 十二个支持观察与十二份独立证据,差别可能在哪里?
参考思路
观察可能集中在相邻配置,或共同受某个未被规则表达的参数影响。数量增加不一定带来同等程度的新信息。显著性检验有助于比较已观察数据,却不能自动说明样本代表整个搜索空间,也不直接建立因果关系。
2. 一条避免失败的硬规则,什么时候会同时挡住更好的配置?
参考思路
某个参数组合在多数条件下造成拥塞,但另一个路由或密度设置可能改变后果。规则若省略条件,就可能把局部经验扩大为全局禁令。软偏好、硬排除与可撤销规则各自承担不同的探索风险。
3. 如果记忆同时影响提案和预算分配,最终收益该如何理解?
参考思路
收益可能来自提案更好,也可能来自更少评估无效候选,或二者相互加强。完整系统的成功可以支持这种耦合设计,却未必识别各条记忆的独立价值。共享状态提高利用效率,也可能让同一个错误在两个决策环节被重复放大。