用于EDA云作业资源和生命周期预测的大型语言模型

本文介绍了一种将大型语言模型（LLM）应用于电子设计自动化（EDA）行业实际问题的引人注目的方法：云环境中的资源和作业生命周期预测。作者通过利用LLM进行文本到文本回归的能力，解决了传统机器学习方法的局限性。引入科学计数法和前缀填充来约束LLM的输出是提高可靠性的一种巧妙方法。全注意力微调可以提高预测精度的发现也很重要。使用真实世界的云数据集来验证该框架，增强了论文的可信度，并为EDA领域建立了新的性能基准。这项研究的动机充分，结果很有希望。

• •LLM可以有效地进行微调，以用于EDA云环境中的资源和作业生命周期预测。
• •使用科学计数法和前缀填充约束LLM输出可提高可靠性。
• •与滑动窗口注意力相比，全注意力微调提高了预测精度。