盖世汽车讯 据外媒报道，韩国首尔大学工学院计算机科学与工程系Hyun Oh Song教授领衔的研究团队，与三星AI中心（Samsung AI Center）合作开发出名为Rule2DRC的AI智能体（AI Agent）技术，可自动生成半导体设计验证所需的检测代码（Inspection Code）。

在芯片制造前，半导体芯片必须经过设计规则检查（Design Rule Check，DRC），以验证其是否符合数千条设计规则。这一过程需要将自然语言编写的设计规则转换为机器可执行的DRC脚本（DRC Script），是一项高度复杂且长期依赖资深工程师手工完成的工作。

为应对这一挑战，研究团队开发了Rule2DRC这一大规模基准（Benchmark），用于评估AI将人工编写的设计规则转换为可执行验证脚本的能力。

该系统不仅进行静态代码比对，还会在真实的验证引擎上执行AI生成的脚本，以评估其功能正确性。研究人员认为，这项技术有望大幅降低半导体重复性验证工作的成本和人力投入，并为AI驱动的芯片设计流程自动化开辟新的可能。

题为《Rule2DRC：面向DRC脚本合成、基于执行引导测试生成的大语言模型智能体基准评测》（Rule2DRC: Benchmarking LLM Agents for DRC Script Synthesis with Execution-Guided Test Generation）的研究论文于ICML 2026（国际机器学习大会）进行宣讲，相关成果亦上传至arXiv预印本网站。

图片来源：首尔大学工学院

早期自动化方案为何存在不足

编写DRC脚本是一项劳动密集型工作，不仅需要掌握KLayout、SVRF等专用语言，还需要深入理解半导体制造工艺。每推出一个新的工艺节点，工程师都需要从零开始重新编写验证脚本。

尽管此前已有研究尝试利用AI实现自动化，但受限于评估规模较小，且主要依赖代码相似度指标，而没有真正执行生成的脚本进行验证。此外，许多方法在代码生成过程中还需要预先获得真实测试数据（Ground Truth）。

因此，如何准确地将自然语言设计规则转换为可执行脚本，并可靠验证其功能正确性，始终是一个尚未解决的难题。

在真实验证引擎中评测脚本

为突破上述限制，Hyun Oh Song教授团队联合三星研究人员开发了大规模基准Rule2DRC，以及可部署于真实工业环境中的AI智能体应用。

Rule2DRC是一款评估工具，用于衡量基于大语言模型（LLM）的AI解析人工编写设计规则并生成检测代码的能力。该基准包含1,000组“设计规则—检测代码”问题对以及13,921个评测芯片版图（半导体设计版图）。与仅评估代码相似度不同，该工具会直接在真实验证引擎上运行AI生成的代码，以判断其是否能够正确执行。

研究团队还提出了一种名为SplitTester的新技术，可根据脚本执行结果，从多个AI生成候选脚本中自动选出最准确的版本。该方法有望显著降低验证脚本编写与验证成本，并加速电子设计自动化（EDA）领域AI自动化系统的发展。

面向版图的原生工作流逐步成型

除ICML 2026录用的研究成果外，研究团队还开发了一款可部署于三星内部运行环境的“版图原生AI智能体GUI应用”（layout-native AI agent GUI app）。

该应用充分考虑工程师的实际工作流程，在同一界面中同时展示半导体版图，并利用AI生成检测代码，使两项工作能够并行完成。

Hyun Oh Song教授与三星AI中心研究人员开展了密切合作，包括在安全科研环境中的现场协同开发，以确保该应用能够在三星内部系统中稳定运行。目前，该应用正与三星自研大语言模型进行集成。

在演示过程中，AI智能体能够准确理解自然语言指令，在芯片版图中自动定位目标区域，并自动修改拐角等几何特征。这表明一种“版图原生工作流（layout-native workflow）”已经初步实现，即AI智能体能够同时理解和处理版图数据与验证脚本。

凭借上述成果，Hyun Oh Song教授获得Outstanding Research Award（杰出研究奖），研究人员Jinuk Kim获得Best Poster Award（最佳海报奖），两项奖项均由三星AI中心NPRC Workshop颁发。

聚焦产业化部署

研究人员表示，Rule2DRC及版图原生AI智能体GUI应用有望实现验证脚本生成与验证过程自动化，从而减少工程师重复性工作，并降低企业导入新工艺节点的成本。

由于两项技术均可直接部署于工业环境，无需额外转换步骤，因此有望加快半导体EDA自动化技术的商业化应用，并提升实际工程开发流程的生产效率。

Hyun Oh Song教授表示：“这项工作的意义在于，我们利用AI智能体解决了半导体设计验证中的真实产业问题，不仅具有学术价值，还交付了可部署于实际环境的GUI应用。未来，我们计划进一步引入基于自然语言反馈的版图编辑能力和多模态智能体能力，定量评估其在工业场景中的生产效率提升，并最终开发出完全自主运行的AI智能体。”

论文第一作者、首尔大学研究人员Jinuk Kim将于今年夏天前往AWS AI担任科研实习生。

世界模型研究取得新进展

除与三星AI中心合作开展的NPRC项目外，Hyun Oh Song教授团队还开发了一项新的世界模型（World Model）技术——Identifiable Token Correspondence（可识别Token对应机制）。相关研究同样发表于arXiv预印本网站，并在ICML 2026会议上进行了展示。

世界模型能够使AI系统无需直接与真实环境交互，即可在内部模拟未来场景，从而提高学习效率。

尽管近年来世界模型取得了快速发展，但在准确捕捉目标位置和保持时间连续性方面仍存在不足。针对这一问题，研究团队提出了一种方法，可选择性地复用前序帧中的关键Token，从而提升模型在空间和时间维度上的预测准确性。

实验结果显示，该模型在Crafter和Atari 100k等强化学习基准测试中取得了当前最先进（State-of-the-Art，SOTA）的性能。这些基准要求智能体在有限经验和有限记忆条件下完成决策任务。