HDLxGraph: Bridging Large Language Models and HDL Repositories via HDL Graph Databases

📄 arXiv: 2505.15701v1 📥 PDF

作者: Pingqing Zheng, Jiayin Qin, Fuqi Zhang, Shang Wu, Yu Cao, Caiwen Ding, Yang, Zhao

分类: cs.AR, cs.CL, cs.LG

发布日期: 2025-05-21

🔗 代码/项目: GITHUB

💡 一句话要点

HDLxGraph：通过HDL图数据库桥接大语言模型与HDL代码仓库，提升硬件设计任务性能。

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

关键词: 硬件描述语言 大语言模型 图检索增强生成 抽象语法树 数据流图 代码检索 硬件设计自动化

📋 核心要点

  1. 现有大语言模型在处理大型HDL代码仓库时，面临代码理解和检索的挑战，导致硬件设计任务性能受限。
  2. HDLxGraph通过构建HDL图数据库，结合代码的抽象语法树和数据流图，实现更精确的代码结构和语义表示。
  3. 实验表明，HDLxGraph在搜索准确率、调试效率和代码补全质量上均优于传统基于相似度的检索方法。

📝 摘要（中文）

大语言模型（LLMs）在硬件描述语言（HDL）生成和调试等硬件设计任务中展现了潜力。然而，它们在实际的、仓库级别的HDL项目中（包含成千上万行代码）的性能受到限制。为此，我们提出了HDLxGraph，这是一个将图检索增强生成（Graph RAG）与LLMs集成的框架，通过结合抽象语法树（ASTs）和数据流图（DFGs）引入了HDL特定的图表示，以捕获代码图视图和硬件图视图。HDLxGraph利用双重检索机制，不仅通过结合结构信息来缓解基于相似性的语义检索中固有的召回率有限问题，还通过特定于任务的检索微调来增强其对各种实际任务的可扩展性。此外，为了解决缺乏全面的HDL搜索基准的问题，我们引入了HDLSearch，这是一个源自真实仓库级别项目的多粒度评估数据集。实验结果表明，与基于相似性的RAG相比，HDLxGraph在平均搜索准确率、调试效率和完成质量方面分别显著提高了12.04%、12.22%和5.04%。HDLxGraph的代码和收集的HDLSearch基准可在https://github.com/Nick-Zheng-Q/HDLxGraph上找到。

🔬 方法详解

问题定义：现有方法在处理大型HDL代码仓库时，依赖于基于文本相似度的检索，无法有效捕捉代码的结构信息和数据依赖关系，导致检索精度低，影响后续的HDL生成、调试等任务。痛点在于无法充分利用HDL代码的图结构信息。

核心思路：HDLxGraph的核心思路是将HDL代码表示为图结构，利用图检索增强生成（Graph RAG）方法，结合大语言模型，从而更准确地理解和利用HDL代码。通过引入抽象语法树（AST）和数据流图（DFG），同时考虑代码的语法结构和数据流动，提升检索的准确性和效率。

技术框架：HDLxGraph框架主要包含以下几个模块：1) HDL图数据库构建：将HDL代码解析为抽象语法树（AST）和数据流图（DFG），并存储在图数据库中。2) 双重检索机制：同时进行基于相似度的语义检索和基于图结构的结构检索，融合两种检索结果。3) 检索微调：针对特定任务，对检索模型进行微调，提高检索的针对性和准确性。4) 大语言模型集成：将检索到的相关代码片段输入大语言模型，用于生成、调试等任务。

关键创新：HDLxGraph的关键创新在于将图检索增强生成（Graph RAG）应用于HDL代码处理，并提出了HDL特定的图表示方法，即结合抽象语法树（AST）和数据流图（DFG）。与传统的基于文本相似度的检索方法相比，HDLxGraph能够更好地捕捉HDL代码的结构信息和数据依赖关系，从而提高检索的准确性和效率。

关键设计：HDLxGraph的关键设计包括：1) 图数据库的选择：选择适合存储和检索图结构的数据库，例如Neo4j。2) 双重检索的融合策略：设计合理的融合算法，平衡语义检索和结构检索的结果。3) 检索微调的数据集构建：构建特定任务的训练数据集，用于微调检索模型。4) 损失函数的设计：针对检索任务，设计合适的损失函数，例如对比损失或三元组损失。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，HDLxGraph在平均搜索准确率、调试效率和完成质量方面，相比于基于相似性的RAG方法分别提升了12.04%、12.22%和5.04%。这些显著的提升证明了HDLxGraph在处理大型HDL代码仓库方面的有效性，以及图结构信息在代码理解和检索中的重要作用。

🎯 应用场景

HDLxGraph可应用于硬件设计自动化领域，例如自动生成HDL代码、辅助调试、代码补全、代码审查等。通过提高代码检索的准确性和效率，可以显著提升硬件设计的效率和质量，缩短开发周期，降低开发成本。未来可扩展到其他硬件设计相关任务，例如形式验证、功耗分析等。

📄 摘要（原文）

Large Language Models (LLMs) have demonstrated their potential in hardware design tasks, such as Hardware Description Language (HDL) generation and debugging. Yet, their performance in real-world, repository-level HDL projects with thousands or even tens of thousands of code lines is hindered. To this end, we propose HDLxGraph, a novel framework that integrates Graph Retrieval Augmented Generation (Graph RAG) with LLMs, introducing HDL-specific graph representations by incorporating Abstract Syntax Trees (ASTs) and Data Flow Graphs (DFGs) to capture both code graph view and hardware graph view. HDLxGraph utilizes a dual-retrieval mechanism that not only mitigates the limited recall issues inherent in similarity-based semantic retrieval by incorporating structural information, but also enhances its extensibility to various real-world tasks by a task-specific retrieval finetuning. Additionally, to address the lack of comprehensive HDL search benchmarks, we introduce HDLSearch, a multi-granularity evaluation dataset derived from real-world repository-level projects. Experimental results demonstrate that HDLxGraph significantly improves average search accuracy, debugging efficiency and completion quality by 12.04%, 12.22% and 5.04% compared to similarity-based RAG, respectively. The code of HDLxGraph and collected HDLSearch benchmark are available at https://github.com/Nick-Zheng-Q/HDLxGraph.