TAPCO-G论文发布：LLM引导的时序功耗协同优化框架
热点事件持续更新
TAPCO-G论文发布：LLM引导的时序功耗协同优化框架
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Wuqian Tang 等在 arXiv（2611.13931）提交论文，提出 TAPCO-G 框架：用 LLM 引导的优化器自适应调整，结合基于图的物理先验，在布局约束下通过评估候选单元替换实现时序与功耗协同优化。论文称该框架在 MLCAD 2026 竞赛全部八个 ASAP7 基准上得分超过 CERBERUS，平均质量分高 5.516 分；相比前代 TAPCO 平均高 21.648 分。这些对比结果出自论文作者报告，尚未经独立验证。框架设计上，外环根据物理设计反馈调节工具设置，内环将延迟估计锚定到静态时序分析快照，并用粗到细的功耗筛选对候选方案排序。
AI 根据报道生成 · 1 小时前更新
最新进展11月11日 13:00
TAPCO-G：LLM 引导的图物理先验时序与功耗协同优化框架报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- arXiv cs.AITAPCO-G：LLM 引导的图物理先验时序与功耗协同优化框架
TAPCO-G 结合 LLM 引导的优化器自适应调整与基于图的物理先验，评估候选单元替换，在布局约束下进行时序与功耗协同优化。其外环根据物理设计反馈调节工具设置，内环将延迟估计锚定到静态时序分析快照，并用粗到细的功耗筛选优先级排序候选方案。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。