核心问题:一种 RTL 改写的收益,究竟属于改写本身,还是属于它与特定综合流程之间的关系?

论文卡片

Wenji Fang、Yao Lu、Jinghua Wang、Zhiyao Xie,香港科技大学。论文 Toward Autonomous RTL and Synthesis Optimization: Benchmarking and Self-Improving Agents,arXiv v1 发布于 2026-11-10,原文标注 ASPDAC ’27 Invited Paper。

定位:结合研究综述、Dr. RTL 系统结果与综合优化实验的邀请论文。本文依据 v1 全文,集中讨论评测中的起点与综合基线,不把跨层自主设计的愿景当成已完成成果。

arXiv · 全文 · PDF · alphaXiv

简短导读

源代码看起来更简洁,并不保证综合后的电路更好。综合器可能把两种写法变成同一结构,也可能因为表示方式不同,找到不同的优化机会。论文因此首先问:综合器已经做完优化之后,还有哪些收益留给 RTL 改写?

作者区分两种任务。RTL-OPT 从较差但功能正确的实现出发,与人工优化参考比较;开放式评测则从原始人工 RTL 出发,寻找没有预设答案的进一步改善。前者能确认机会存在,后者更接近探索未知机会。两者不能简单合并成同一种“优化成功率”。

Dr. RTL 利用关键路径分析、并行改写和工具评估搜索候选,并以顺序等价检查约束行为。它还把同一父 RTL 的不同候选进行比较,将结果整理为可复用技能。关键不只是模型提出了什么,而是商业综合后的实现反馈是否支持这次改写。

证据与局限

RTL-OPT 有 36 个手工构造任务。在商业 compile_ultra 流程下,35 个人工优化参考仍优于对应起点,说明这些任务的机会没有完全被综合器吸收。表 1 中单次生成模型超过起点的最高比例为 41.7%,超过参考的最高比例为 13.9%;这些分母是全部任务,不能理解为通过等价检查后的条件成功率。

开放式实验覆盖 20 个原始人工设计,平均 812 行 RTL,使用 Design Compiler、Nangate 45 nm 和 JasperGold SEC;每个设计搜索 10 轮,每轮五个候选。迭代对照 RTLRewriter、SymRTLo 使用相同骨干模型与优化预算。

方法WNS 改善TNS 改善面积减少
RTLRewriter4.9%6.3%3.1%
SymRTLo7.1%5.7%1.4%
Dr. RTL21.3%16.9%5.8%

这些是论文表 1 相对于原 RTL 经商业综合后的平均变化。WNS、TNS 分别反映最差时序违例和总时序违例,不是运行时间或频率提升百分比。论文报告平均 SEC 通过率 86%,不能把搜索中所有候选都称为正确;最终选择受到等价检查约束。

更值得注意的是,作者继续固定 Dr. RTL 得到的 RTL,改变综合脚本。在另一个八设计实验中,时序还能进一步改善,但平均面积增加 1.6%。这说明“RTL 已优化”不意味着下游流程没有余量,也说明时序收益可能伴随面积代价。

证据仍限于所测设计、工艺库、约束与流程。开放式优化没有把功耗纳入当前目标,因为可靠估计需要工作负载相关的翻转活动;因此不能笼统宣称三项 PPA 都提升。论文对跨层联合搜索的讨论属于未来方向,分阶段实验不能自动证明联合搜索必定更好。以上结果为作者报告,本导读未独立复现。

重点阅读章节

  • §2.1–2.4、表 1: 对照起始 RTL、人工参考与商业综合基线,分清比例和改善量的分母。
  • §3.3–3.4: 看候选如何被选择,以及相同模型、预算和等价检查在比较中扮演的角色。
  • §4.3–4.4、表 2 与 §5: 区分固定 RTL 后的综合优化证据,以及尚待探索的跨层联合优化。

思想启发

以下是导读者的延伸理解。

优化价值并非源代码的一项固定属性。它取决于当前表示让下游工具看见了什么,以及工具尚未发现什么。一种改写在弱流程上有效、在强流程上失效,不必意味着改写没有技术价值,但意味着其收益主张必须带上环境条件。

“更强基线”也不自动等于唯一真实场景。商业综合是有力对照,却仍只是一组工具、参数和工艺条件。研究真正需要说明的是新增方法补足了哪一种搜索局限,而不是用某个工具名称替代对外推范围的解释。

三个开放性思考问题

1. 恢复人为注入的低效,与发现原始设计中的机会,测量的是同一种能力吗?

参考思路

前者有已知目标,便于判断任务是否可解;后者目标开放,却更难确定未改善是没有机会还是搜索失败。控制性与现实性可能各有价值,不必把其中一种全部否定。

2. 一种改写被更强综合器自动吸收后,它原来的收益应如何解释?

参考思路

它可能弥补了旧流程的能力缺口,而不是提供独立于工具的普遍改进。收益消失揭示的是贡献边界;在资源限制或其他综合环境中,原方法仍可能有价值。

3. 先改 RTL 再调综合脚本,为什么不能直接证明联合优化最有效?

参考思路

前一步选择可能排除了与另一套综合策略配合更好的 RTL。分阶段改善说明各阶段有余量,但搜索顺序、预算分配和交互效应仍未被充分分离。更大的联合空间既包含机会,也可能让有限预算更难找到它们。