027 · 波形变成 SQL，Agent 就会调试芯片了吗？
BTTF 把波形转为 SQLite，再以多 Agent 完成查询、断言检查和 RTL 定位；95.33% 的成绩证明了结构化接口的价值，却不足以单独证明开放式根因调试已经解决。
Evaluation
026 · 结构正确、仿真接近，就算会设计模拟电路了吗？
SGAnalog 用流片版本锁定的开源模拟电路，同时评测原理图转网表与器件尺寸选择；它让结构和仿真结果可执行地受检，也揭示了测试平台、参考设计与拒答策略如何限定‘会设计’的含义。
023 · 从两百轮里挑最快的，算稳定胜过编译器吗？
CUDA Agent 在执行反馈环境中训练 CUDA 优化策略，并在 KernelBench 上显著超过 torch.compile；但评测允许每题最多 200 轮并选取轨迹中的最快正确解，策略能力与搜索预算仍需分开理解。
022 · 断言被证明后，谁证明它值得验证？
ProofLoop 让 Agent 查询 RTL 结构并利用形式反例修正 SVA，显著提高可证明断言的比例；但在 Design2SVA 中，性质成立、性质非空洞与性质重要仍是三个不同判断。
021 · 六类任务拼在一起，就算端到端验证了吗？
FIXME 用 180 道题覆盖规格理解、参考模型、测试用例、testbench、断言和调试；它拓宽了 LLM 硬件验证评测，却也留下一个概念边界：流程覆盖不等于端到端执行。
020 · 在测试题上继续训练，还算测试吗？
Alpha-RTL 在每道 RTL 优化题上用 testbench 与 PPA 反馈在线更新 Qwen3-8B；结果显著优于冻结策略的 Agent，但也把评测对象从静态模型能力改成了带逐题训练预算的完整优化系统。
018 · Kernel 快了，端到端为什么几乎没动？
这篇论文把 kernel benchmark 的局部加速与真实 workload 的时间占比相乘：在 Transformer 中，可被生成式优化触及的部分仅占 8.9%–16.8%，因此看似不错的 kernel speedup 往往只能投射为约 1%–2.5% 的端到端收益。
017 · 人不写 CUDA，就等于 Agent 自主优化吗？
Agentic Kernel Optimization 用多 Agent、性能分析和人工搜索纠偏，在 B200 上为三类 FlashInfer-Bench workload 生成高性能 CUDA kernel；论文证明了代码可由 Agent 完成，却也留下了系统自主性、基线口径与验证边界的问题。
016 · 退回编译器基线，也算优化成功吗？
KernelOPT 尊重 Inductor 已做出的库调用分派，只搜索生成的 Triton 子 kernel，并用四级验证决定替换或回退；250 个 KernelBench 问题上的整体加速来自少数显著收益与大量基线保留的组合，不能等同于每个任务都被优化。
015 · 证据来自不同运行，还能属于同一段程序吗？
Argus 以稳定的语义区域为共同坐标，规划彼此隔离的多次 GPU 测量，并把直接观测、跨视图归因和变体推导的证据明确区分；实验显示更细粒度的反馈能改善多种 kernel 优化 Agent，但跨运行归因仍依赖区域身份与执行可比性的假设。