NVIDIA NeMo Gym giúp Siemens tăng độ tin cậy và giảm lượt gọi công cụ của AI agent trong thiết kế chip
NVIDIA cho biết Siemens EDA đã sử dụng nền tảng đánh giá NeMo Gym để tăng độ tin cậy và hiệu quả cho AI agent chuyên tự động hóa đặc tả cell tiêu chuẩn. Trong một bài kiểm thử đại diện, điểm xác minh tổng hợp của agent tăng từ khoảng 55% lên gần 95%, trong khi số lượt tương tác giảm từ 155 xuống 53 và lượng token đầu ra giảm từ khoảng 81.000 xuống 29.000. Quy trình này tạo các tệp Liberty (.lib) chứa mô hình thời gian, công suất và nhiễu được dùng trong thiết kế chip, dựa trên mô phỏng SPICE cùng nhiều điều kiện về quy trình, điện áp, nhiệt độ, độ dốc tín hiệu đầu vào và tải đầu ra. NeMo Gym đánh giá sản phẩm cuối bằng bộ kiểm tra chuyên biệt, xem xét độ bao phủ, tính hợp lệ, khả năng đối chiếu, độ chính xác và tính toàn vẹn, sau đó dùng các mẫu lỗi phát hiện được để tinh chỉnh kỹ năng của agent và mô tả công cụ theo Model Context Protocol. Cách này xử lý một rủi ro lớn của agent kỹ thuật: tạo ra tệp trông hợp lý dù lỗi thiết lập ban đầu đã âm thầm lan sang các bước sau. Ví dụ của Siemens cho thấy việc xác minh đầu ra cuối và phân tích nhiều lần chạy có thể giảm các lệnh gọi công cụ lãng phí, đồng thời tăng mức độ tin cậy của tự động hóa AI trong thiết kế chip và các lĩnh vực kỹ thuật khác như tự động hóa thiết kế điện tử và thiết kế có sự hỗ trợ của máy tính.
Các nhóm thiết kế chip và phát triển công cụ EDA có thể dùng NeMo Gym để kiểm tra đầu ra cuối cùng của AI agent thay vì chỉ đánh giá từng bước trung gian, đồng thời phát hiện lỗi lan truyền và giảm số lần gọi công cụ. Đây là hướng đáng theo dõi nếu bạn đang xây dựng agent kỹ thuật có quy trình nhiều bước.
Đọc bài gốc