arXiv · ML· Yasir Mahmud·· 2 天前AI 评分30
RTLReviewBench 揭示 LLM 硬件代码审查中的误拒偏误
RTLReviewBench: LLM Hardware Reviewers Rarely Miss Bugs but Routinely Reject Correct RTL
AI 导读
RTLReviewBench 基准测试显示,12 款 LLM 在审查 Verilog 模块时极少漏掉 Bug,但频繁错误拒绝正确代码,误拒率超过漏检率的 5 倍。 该基准包含 114 对由 LLM 生成器产生的真实故障与正确模块,且通过仿真确认标签;要求模型先推理再下结论能显著降低弱模型误拒率。
来源:arXiv · ML · arxiv.org