rtl-design

RTL-Interact 是一种多任务后训练框架，用于训练单个专精于 RTL 的大语言模型，使其能够生成 RTL、构建 EDA 检查并利用工具反馈修改设计，同时结合模式感知策略优化（PAPO）进行多任务强化学习。在 CVDP 上，RTL-Interact-32B 的加权 Pass@1 达到 48.7%，Pass@5 达到 68.9%（超越 DeepSeek-V3.2），而 PAPO 将平均工具调用次数减少了 63.8%，且这些模型在 VerilogEval v2 和 RTLLM v2 上的表现优于专精于 RTL 的基线模型。

TicTacBench is a new benchmark designed to evaluate the timing closure capabilities of coding agents in RTL design. It reveals that current agents have significant room for improvement and proposes TicTacSkill to enhance their performance.