SynAct: A Reasoning-Acting Large Language Model Agent for Adaptive Synthesis Optimization

📄 arXiv: 2608.12751v2 📥 PDF

作者: Fangzhou Liu, Peiyi Han, Jiawei Liu, Yuan Pu, Zhuolun He, Rongliang Fu, Tsung-Yi Ho, Bei Yu

分类: cs.AR, cs.AI

发布日期: 2026-08-13 (更新: 2026-08-14)

备注: 12 pages, 8 figures

💡 一句话要点

提出SynAct以解决逻辑综合优化中的适应性问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 逻辑综合 自适应优化 闭环机制 时序优化 机器学习

📋 核心要点

  1. 现有逻辑综合优化方法在高维空间中调优效率低，且缺乏决策的可解释性。
  2. SynAct通过自适应闭环机制，实时分析综合报告并发出针对性优化命令，提升综合效率。
  3. 在商业综合工具的实验中，SynAct显著降低了最坏负时延，提升了综合性能。

📝 摘要（中文）

逻辑综合将RTL设计转化为门级网表，PPA结果对优化命令的选择高度敏感，使得综合调优既高维又昂贵。现有方法主要分为两类：自动化方法在固定动作空间上进行黑箱搜索，决策层次的可解释性有限；LLM基础的方法通常生成静态脚本，无法适应电路状态的变化。本文提出了SynAct，一种自适应闭环LLM推理-行动代理，能够迭代诊断实时综合报告，并根据当前电路状态、检索的工具知识和历史优化经验发出针对性命令。SynAct专注于改善时序，特别是最坏负时延（WNS），同时保持面积和功耗的平衡。实验结果表明，SynAct在14个设计上将平均WNS降低至引导综合的27%。

🔬 方法详解

问题定义：本文旨在解决逻辑综合中的优化命令选择问题，现有方法在高维空间中调优效率低且缺乏可解释性，无法适应电路状态的变化。

核心思路：SynAct通过自适应闭环机制，实时分析综合报告，结合电路状态、工具知识和历史经验，发出针对性优化命令，从而提高综合效率。

技术框架：SynAct的整体架构包括数据输入模块、推理模块和行动模块。数据输入模块负责获取实时综合报告，推理模块进行状态分析和决策，行动模块则执行优化命令。

关键创新：SynAct的主要创新在于其自适应闭环机制，能够根据实时反馈调整优化策略，与传统的静态脚本生成方法有本质区别。

关键设计：在设计中，SynAct采用了动态调整的参数设置，损失函数考虑了时序、面积和功耗的平衡，网络结构则基于最新的LLM架构进行优化。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，SynAct在14个设计上将平均最坏负时延（WNS）降低至引导综合的27%，显著提升了综合性能，展示了其在逻辑综合优化中的有效性和优势。

🎯 应用场景

该研究在逻辑综合领域具有广泛的应用潜力，能够显著提升电路设计的优化效率，适用于集成电路设计、自动化设计工具等领域。未来，SynAct有望推动更智能的电路设计流程，降低设计成本和时间。

📄 摘要（原文）

Logic synthesis transforms RTL designs into gate-level netlists, where PPA results are highly sensitive to the choice of optimization commands, making synthesis tuning both high-dimensional and expensive. Previous approaches fall into two categories: automated methods, which perform black-box search over fixed action spaces with limited decision-level interpretability, and LLM-based methods, which typically generate static scripts upfront and cannot adapt to evolving circuit states. We present SynAct, an adaptive closed-loop LLM reasoning--acting agent that iteratively diagnoses live synthesis reports and reasons over the current circuit state, retrieved tool knowledge, and historical optimization experience to issue targeted commands. SynAct focuses on improving timing, particularly worst negative slack (WNS), while maintaining balanced area and power trade-offs. Experiments on a commercial synthesis tool across 14 designs show that SynAct reduces average WNS to 27% of that from bootstrap synthesis.