DeepMind 用多智能体将芯片仿真波形转为 SQL 查询

原标题:Google DeepMind and Columbia Univ paper argues that AI agents can debug chip simulations once the hu...
78AI 研判分

Google DeepMind 与哥伦比亚大学联合提出 BTTF 方法,将超过 10 GB 的芯片仿真波形转储压缩为 SQLite 数据库,再由多智能体团队把自然语言问题翻译为 SQL 并校验设计规则。在 150 道专家标注的验证问题上,基于 Gemini 2.5 Pro 的该系统正确率达 95.33%,多智能体分工比单智能体在质量审计上高出 17.3%,代价是 1.96 倍延迟。其核心启示是:面对超大日志与追踪数据,应将其放入可查询数据库而非塞进提示词。

报道正文

Rohan Paul (@rohanpaul_ai) · 2026-11-15 23

Google DeepMind 与哥伦比亚大学的论文提出,一旦庞大的波形文件变成 AI agent 可以查询的 SQL 数据库,AI agent 就能调试芯片仿真。

芯片仿真会记录每一次信号变化,这些转储文件可能超过 10 GB 的文本,而工程师至今仍靠手工扫描。没有任何 LLM 的上下文能容纳这些内容,而且这些文件也没有为 agent 提供任何搜索方式。

他们构建了 Back-to-the-Future(BTTF),将转储文件转换为紧凑的 SQLite 数据库。随后,一个 agent 团队将自然语言问题转换为 SQL,检查设计规则,并对每个答案进行审计。

在 150 个由专家标注的验证问题上,它使用 Gemini 2.5 Pro 取得了 95.33% 的正确率。将工作拆分给多个专用 agent 后,在质量审计上的得分比单个 agent 高出 17.3%,但延迟为 1.96 倍。

如果你的 agent 在处理庞大的日志或追踪数据时遇到困难,请将数据放入可查询的数据库,而不是将其塞进提示词中。

推文配图