Ask-EDA: A Design Assistant Empowered by LLM, Hybrid RAG and Abbreviation De-hallucination

本文介绍了电子设计工程师在设计构建、验证和技术开发等众多任务中如何高效地查找相关信息。大型语言模型（LLM）有潜力成为对话代理，有效地发挥专业知识专家的作用，从而提高生产力。本文展示了Ask-EDA，这是一个聊天代理，旨在作为24x7专家为设计工程师提供指导。Ask-EDA利用LLM，混合检索增强生成（RAG）和缩写去幻觉（ADH）技术，提供更相关和准确的响应。我们精选了三个评估数据集，分别是q2a-100、cmds-100和abbr-100。每个数据集都旨在评估不同的方面：一般设计问题回答、设计命令处理和缩写解析。我们证明混合RAG在q2a-100数据集上的召回率提高了40%以上，在cmds-100数据集上提高了60%以上，与不使用RAG相比，而ADH在abbr-100数据集上的召回率提高了70%以上。评估结果表明，Ask-EDA可以有效地回答与设计相关的查询。

论文旨在解决电子设计工程师在设计构建、验证和技术开发中查找相关信息的效率低下问题，通过使用大型语言模型（LLM）作为会话代理，提高生产力。

论文提出了Ask-EDA，一个聊天代理，旨在作为24x7专家为设计工程师提供指导。Ask-EDA利用混合检索增强生成（RAG）和缩写去幻觉（ADH）技术，提供更相关和准确的响应。

作者提供了三个评估数据集，分别评估通用设计问题回答、设计命令处理和缩写解析。实验结果显示，与不使用RAG相比，混合RAG在q2a-100数据集上提高了超过40%的召回率，在cmds-100数据集上提高了超过60%的召回率。ADH在abbr-100数据集上提高了超过70%的召回率。论文的贡献在于提出了一个能够有效响应设计相关问题的聊天代理。

在这个领域中，最近的相关研究包括使用BERT模型进行电子设计自动化的研究和使用自然语言处理技术进行硬件设计的研究。