Quality over Quantity: Diversity-Aware Data Selection for Efficient Verilog Code Generation
为解决Verilog代码生成中数据集噪音和冗余问题,提出VeriSelector框架,通过优化质量和多样性选择数据,显著提升模型性能并减少训练时间。
0 citationsRead paper
为解决Verilog代码生成中数据集噪音和冗余问题,提出VeriSelector框架,通过优化质量和多样性选择数据,显著提升模型性能并减少训练时间。
该研究针对低空ISAC中材料依赖传播效应被忽视的问题,提出一种基于贝叶斯多径归属的在线概率框架,实现材料标记环境重建。
本文提出BridgeMatch方法,通过两阶段生成解算器在匹配矩阵空间中保持完整软匹配矩阵,以解决3D可变形配准中的非刚性点云对应问题。
该研究针对多机制系统科学发现的瓶颈,提出物理定律生态学框架,通过数据确定共存独立机制数量,自动挖掘候选方程并构建参数空间中的主导权重场。
研究解决了LLM生成的RTL代码安全性问题,通过构建SECRTL-GEN基准和RTL-Obliger框架来识别并修正安全漏洞,提高代码的安全性和功能性。
为解决Verilog代码生成中数据集噪音和冗余问题,提出VeriSelector框架,通过优化质量和多样性选择数据,显著提升模型性能并减少训练时间。
该研究针对低空ISAC中材料依赖传播效应被忽视的问题,提出一种基于贝叶斯多径归属的在线概率框架,实现材料标记环境重建。
本文提出BridgeMatch方法,通过两阶段生成解算器在匹配矩阵空间中保持完整软匹配矩阵,以解决3D可变形配准中的非刚性点云对应问题。
该研究针对多机制系统科学发现的瓶颈,提出物理定律生态学框架,通过数据确定共存独立机制数量,自动挖掘候选方程并构建参数空间中的主导权重场。
研究解决了LLM生成的RTL代码安全性问题,通过构建SECRTL-GEN基准和RTL-Obliger框架来识别并修正安全漏洞,提高代码的安全性和功能性。