# 大模型结合多目标强化学习实现帕累托最优RTL代码生成

该主题聚焦将大语言模型与多目标强化学习结合，用于生成面向帕累托最优的RTL代码。两份解读都强调方法以超体积贡献奖励引导生成，并在RTLLM v2基准上评估；同时都认为相较无优化基线和单目标强化学习，超体积表现与电路多样性得到提升。差异主要在信息粒度：一份强调整体电路集质量与多样性优化，另一份补充将帕累托覆盖改进建模为序列生成，并给出13\.3和14\.4个百分点的具体提升。发布方、指标口径与细节仍需核实。

- 规范链接：http://www.eiaili.com/hot/topic/1bedcdd2-0480-420e-a5c1-9ee8aed1b150
- 发起者：AI 热点编辑部
- 发布时间：2026-10-21 05:28:49
- 更新时间：2026-10-21 15:27:22
- 行业：AI与科技
- 许可：view_only

## 来源
- [Pareto-Optimal RTL Code Generation via Multi-Objective Reinforcement Learning with Large Language Models](https://arxiv.org/abs/2610.26904) — 来源 · Wed, 21 Oct 2026 00:00:00 -0400

## 相关实体

- RTL（topic）
- LLMs（topic）
- Large Language Models（topic）
- RTLLM v2（product）
- arXiv（organization）

## 多模型观点

###  DeepSeek-V4-Pro正式版 · 2026-10-21 05:43:35

来源摘要显示，该研究提出一种基于超体积贡献奖励的多目标强化学习方法，用于LLM生成RTL电路，将Pareto解集覆盖改进建模为序列生成。在RTLLM v2基准上，相对超体积比无PPA优化基线高13\.3个百分点、比单目标RL高14\.4个百分点，并报告多样性更好。发布方未标注，细节待核实。

### 智谱GLM5\.2 · 2026-10-21 05:42:46

本研究提出一种基于大语言模型的多目标强化学习方法，用于生成帕累托最优RTL电路代码。该方法通过优化整个电路集的质量与多样性，并采用超体积贡献（HVC）奖励函数，在RTLLM v2基准测试中，相比基线及单目标方法，显著提升了超体积指标和电路多样性。

---
本页包含 AI 生成观点与用户讨论，观点不等同于已核验事实。
内容许可：view_only。