本文提出KernelCraft基准测试框架，用于评估LLM智能体在新兴硬件平台上生成底层汇编级计算内核的能力。该框架重点关注缺乏成熟生态的新硬件，要求智能体仅基于自然语言任务描述、ISA文档和硬件配置，通过诊断-修复循环生成功能正确且优化的内核代码。实验表明，前沿模型能在部分基础任务上达到55%成功率，并能优化编译器模板性能，但在复杂任务和专家级优化上仍有显著差距。研究还发现文档质量、推理深度和工

本文提出AscendKernelGen框架，研究如何利用大语言模型自动生成NPU内核代码，并确保生成代码可编译、功能正确且性能优化。针对通用LLM在硬件专用代码生成上的不足，作者构建了包含文档推理、代码推理的Ascend-CoT数据集，开发了KernelGen-LM模型，并设计了NPUKernelBench评测体系。实验表明，经过领域自适应训练的模型在中等复杂度任务上表现优异（Level2执行率6

本文提出AscendKernelGen框架，研究如何利用大语言模型自动生成NPU内核代码，并确保生成代码可编译、功能正确且性能优化。针对通用LLM在硬件专用代码生成上的不足，作者构建了包含文档推理、代码推理的Ascend-CoT数据集，开发了KernelGen-LM模型，并设计了NPUKernelBench评测体系。实验表明，经过领域自适应训练的模型在中等复杂度任务上表现优异（Level2执行率6

这篇文章的定位很清楚：它想做的是一个 cross-platform kernel synthesis framework，而不是只在某个 benchmark 上生成一个快 kernel。这对于跨平台 kernel synthesis 很关键。这里可以看出一个很重要的事实：AKG kernel agent 的 correctness 成绩很亮眼，但性能上并不是“全面碾压”。这篇文章讨论的是一个很明确

这篇文章的定位很清楚：它想做的是一个 cross-platform kernel synthesis framework，而不是只在某个 benchmark 上生成一个快 kernel。这对于跨平台 kernel synthesis 很关键。这里可以看出一个很重要的事实：AKG kernel agent 的 correctness 成绩很亮眼，但性能上并不是“全面碾压”。这篇文章讨论的是一个很明确

Meta提出KernelEvolve系统，解决超大规模推荐系统中多模型、多硬件平台下的kernel自动生成与优化问题。该系统基于Triton框架，通过树搜索算法结合LLM生成器，实现跨NVIDIA/AMD GPU及自研MTIA加速器的kernel自动优化。实验显示，在160个公开算子测试中实现100%正确率，并在生产环境中取得1.2-17倍性能提升。系统创新性地采用统一评估框架和知识库检索机制，显

这篇文章探讨了如何利用agentic AI提升形式化验证中的覆盖率闭合(coverage closure)。作者在现有Saarthi agent框架基础上，新增了两个覆盖相关agent：一个分析覆盖率报告并定位未覆盖区域，另一个基于分析结果生成新的SystemVerilog断言。通过迭代执行"分析-生成-验证"流程，系统能自动补全RTL设计中未覆盖的区域。实验表明，该方法在多个

《ProofWright：面向CUDA的形式化验证代理框架》提出了一种针对LLM生成CUDA代码的可信性验证方案。该研究指出当前AI生成的CUDA代码存在严重安全隐患，仅靠编译测试无法确保内存安全、线程安全和语义正确性。为此，作者开发了包含两个核心组件的验证系统：基于VerCors的代理验证框架（实现74%的memory/thread safety验证率）和语义等价证明框架（14%完整语义验证率）

本文是一篇关于大型语言模型（LLM）在电子设计自动化（EDA）全流程中应用的综述论文。作者系统梳理了LLM在芯片设计各环节的渗透情况，从前端规格设计、RTL生成、验证测试到逻辑综合、物理实现和系统级测试。文章指出EDA流程中大量文本化中间产物（如Verilog代码、测试脚本等）与LLM的文本处理能力高度契合，并总结了当前LLM在EDA中的两大主要应用：代码/脚本生成和专家经验自动化。通过典型案例分

摘要：本研究提出NPUEval基准测试，旨在评估大语言模型(LLM)生成高效NPU内核代码的能力。与仅关注功能正确性的测试不同，NPUEval额外评估代码能否在真实NPU硬件上运行、结果正确性及向量化程度。研究采用AMD NPU硬件和开源编译器栈，构建包含102个机器学习算子的数据集，提供任务描述、数据流信息和参考实现。实验显示，现有模型虽能生成功能正确代码，但平均向量化率仅约10%，表明LLM尚