Badacze zaproponowali nową metodę do generowania obwodów RTL optymalnych w sensie Pareto przy użyciu dużych modeli języka i reinforcement learning z weryfikowalnymi nagrodami. Dotychczasowe podejścia optymalizowały tylko jeden obwód poprzez agregowanie celów - mocy, wydajności i powierzchni - w jedną skalarną wartość nagrody, co utrudniało uzyskanie zróżnicowanego zestawu rozwiązań.
Nowa metoda zmienia paradygmat: zamiast szukać jednego najlepszego obwodu, optymalizuje jakość i różnorodność całego zbioru wygenerowanych rozwiązań w przestrzeni celów PPA. Podejście opiera się na dwóch komponentach: potoku treningowego opartego na generowaniu, który reformułuje poprawę pokrycia zbioru rozwiązań Pareto jako sekwencyjny problem generowania obwodów, oraz funkcji nagrody Hypervolume Contribution (HVC), która mierzy wkład każdego wygenerowanego obwodu w front Pareto.
W praktyce to oznacza, że projektanci mogą uzyskać zróżnicowane opcje obwodów i wybrać tę, która najlepiej pasuje do ich konkretnych wymagań - czy chcą niskiego poboru mocy, niskiej latencji czy małej powierzchni. Na benchmarku RTLLM v2 proponowana metoda osiągnęła wzrost o 13,3 punktu procentowego, co sugeruje znaczną poprawę jakości uzyskiwanych rozwiązań.