AgRefactor: LLM-агенты превращают ПО в HLS-код с ускорением x6.5

Проблема: разрыв между софтом и железом

High-Level Synthesis (HLS) обещает быстрый путь от идеи до кремния, но конвертация реального программного обеспечения в синтезируемый HLS-код остается сложной задачей. Основные препятствия — ограниченные возможности языков HLS и фундаментальное различие в парадигмах программирования для ПО и «железа». Существующие автоматические методы и подходы на базе LLM часто негибки, плохо масштабируются и требуют высоких вычислительных затрат.

Решение: AgRefactor с самосовершенствующейся памятью

Команда авторов (Yang Zou, Zijian Ding, Yizhou Sun, Jason Cong) представила AgRefactor — многоагентный рабочий процесс, использующий LLM для рефакторинга. Ключевая инновация — система памяти, которая накапливает и извлекает фактические и стратегические знания между задачами. Это повышает устойчивость системы к новым, ранее не встречавшимся программам.

Для снижения стоимости и повышения масштабируемости AgRefactor комбинирует LLM-переписывание с автоматизированными инструментами рефакторинга, позволяя агентам балансировать между интеллектуальным анализом и быстрыми инструментальными трансформациями.

Результаты: скорость и эффективность

Тестирование проводилось на 11 сложных реальных бенчмарках, размер которых в 5–10 раз превышает самые сложные случаи из предыдущих исследований. AgRefactor показал лучшие или сопоставимые результаты с state-of-the-art (SoTA) инструментами автоматического рефакторинга и сильными LLM-базовыми моделями.

Значение для индустрии

AgRefactor полностью автоматизирован и открыт для использования. Способность системы работать с кодом, значительно превышающим по объему предыдущие тестовые кейлы, делает её перспективным инструментом для промышленного применения HLS, где ручная оптимизация под конкретные архитектуры ПЛИС требует огромных усилий инженеров.

Источник: arXiv cs.AI ↗