NVIDIA Research 与马里兰大学的 Cunxi Yu、Haoxing Ren 在 arXiv 上挂出一篇即将在 DAC '26（7月26–29日，加州长滩）正式发表的论文 Autonomous Evolution of EDA Tools: Multi-Agent Self-Evolved ABC（arXiv:2604.15082v1），把"让 LLM 智能体自主进化整个 EDA 工具"这件事第一次推到了百万行代码量级。
具体做法是用 Claude Sonnet 4.5 的多智能体在 ABC 这套全球最常用的逻辑综合系统上跑自我演化——ABC 主线代码约 85 万行 C 语言，团队整合相关研究后扩展到 120 万行 C 代码、4000+ 源文件、四层抽象，智能体在不破坏正确性、不更换二进制接口的前提下，反复修改源码、编译、形式化等价校验、跑 benchmark，最终把整体综合 QoR 从 baseline 1.00 推到 0.917，约 8.3% 的提升。 整篇论文对 EDA 工程界、AI Agent 圈、以及 LLM 编程能力研究都有直接信息量，下面分别拆开看。
这次工作把 LLM 自我进化代码的量级从万行推到百万行
把这篇论文放回到 LLM 自主进化代码的时间线上更容易看出它的位置。Google DeepMind 的 AlphaEvolve（2025）只动几百行级别的孤立内核或函数，把一段段算法当成被微调的对象；NVIDIA 自家 2025 年的 SATLUTION 把规模拉到完整 SAT 求解器，几万行 C/C++，靠 DRAT 证明做正确性兜底，最终进化出超越 SAT Competition 冠军的求解器。
Self-Evolved ABC 这篇直接把目标换成了一整套 EDA 工具。ABC 有几个属性使得这件事比 SAT 难得多：代码量是 SATLUTION 目标的几十倍；模块互相耦合，cut 选择、refactor 阈值、choice 节点扩张、cost 估算这些启发式都共享底层数据结构，改一处往往牵动多处；目标是多维的，要同时考虑 area、delay、depth、node count、mapping cost 而不是单一 runtime；NP-hard 决策处处都是。论文核心动作是把这种规模和耦合度通过"多智能体 + 子系统拆分 + 形式化等价检查"这套组合拳拿下来。
多智能体分工：一个 Planning Agent 统调度，三个 Coding Agent 各占一块代码区
架构核心是不让单一智能体面对整个 120 万行代码库，而是按 ABC 的子系统切成三块，每块由一个 Coding Agent 独占。第一个是 Flow Agent，负责 src/opt/flowtune/，对 pass 选择、停止条件、条件流程做演化，初始用 FlowTune 的 C 实现作为起点；第二个是 Mapper Agent，负责 src/map/mapper/，专攻 cut 枚举、剪枝、cost scoring 的启发式参数；第三个是 Logic Minimization Agent，负责 src/base/abci/，专攻 AIG rewriting、resub、refactor、orchestration 这些 technology-independent 优化。
三个 Coding Agent 之上是一个 Planning Agent，吸收上一轮 QoR 反馈，决定下一轮该让哪个子系统演化、要做什么修改。所有 Agent 都用 Claude Sonnet 4.5 实例化。这种分工的关键不是"多智能体"本身，而是每个智能体的修改严格限制在自己的目录里，不允许跨边界改 build 系统也由 Planning Agent 在 cycle 0 通过仓库 profiling 学到 module.make 规范，新模块自动符合现有 Makefile 层级。这样的隔离把跨模块崩坏的可能性压到最低。
人类介入只有 cycle 0：研究者提供仓库 profiling、Markdown 形式的"教程"（如何加新函数、注册新命令、用 ABC API），以及三阶段进化规则与禁忌规则。论文里特别提到一个细节——他们把所有引导材料从自然语言改写成结构化 Markdown 后，Agent 的可靠性显著提升、幻觉减少；这个对所有做 LLM Coding Agent 的人是个直接可复用的工程经验。从 cycle 1 开始，系统全自动跑，只有连续 10 次以上编译失败或等价检查失败才触发安全干预。
形式化等价检查：把 90% 以上的 Token 花在有效代码状态上
ABC 的核心问题之一是"一个错误的 rewrite 规则可能悄悄破坏 netlist，让评估器读到一个看起来更好其实是错的 QoR"——SATLUTION 已经踩过这种坑，会引发大规模 LLM 周期浪费、反复回滚。论文的解决方案是把组合等价检查（CEC）作为每一次代码修改后、QoR 评估前的硬卡点。
具体用 ABC 自带的 cec 和 dsat 命令，对优化前后的电路做组合等价证明；因为这套系统不动 retiming 也不动时序逻辑，时序电路通过 BMC depth=1 验证寄存器输入端的组合逻辑等价就够了。任何 mismatch 或 SAT 反例直接终止当前 iteration，并把反例反馈给 Planning Agent。这一招带来的最直接收益是 token 经济性：超过 90% 的 token 都花在了语义合法的代码状态上，避免了 SATLUTION 中常见的"反复修补错代码"循环。论文给出一个具体数字——总 token 成本约 $2,400 跑出全部实验，初始 profiling 阶段约 $1,400，每个进化 cycle 约 $60–80，剩余在 cycle 间分摊。
QoR 数据逐项拆：单系统进化 ~3% 增益，三系统协同进化 8.3%
论文的核心 ablation 表（Table 2）值得逐项看。Baseline 设为 vanilla FlowTune + vanilla AIG 优化 + vanilla Map = 1.00（normalized QoR，越低越好）；vanilla 原版 ABC（不带 FlowTune 等扩展）是 1.21，已经差了 21% 的距离。单子系统进化结果：Evo FlowTune 单独把 QoR 拉到 0.962，Evo AIG Syn（rewrite + resub + refactor + orchestrate 演化版）单独是 0.957，Evo Map 单独 0.988。两两组合：FlowTune + AIG Syn = 0.924，FlowTune + Map = 0.939，AIG Syn + Map = 0.942。三个全开：0.917，整体相对集成基线提升约 8.3%。
把这些数字翻译到 EDA 工程师能直接读懂的指标上：在 ASAP7 7 nm PDK 跑全流程（逻辑优化 → 映射 → buffering → gate sizing → STA），全进化版本相对 vanilla 集成基线，worst negative slack 平均改进 8–9%，EPFL 几个算术电路改进 12–15%；area-delay product 减少约 8.3%，与 Table 2 normalized QoR 0.917 对得上；中间结构指标也跟着改善，AIG 节点数在算术密集设计上减少 3–8%，post-mapping 深度减少 4–6%。
论文给出的解释是三个子系统在功能上互补：FlowTune Agent 负责上游结构化简化，Orchestrate Agent 减少中段的逻辑冗余与深度，Mapping Agent 引入了"depth-sensitive tie-breaking"减少 mapped delay；这种互补性在单系统进化时拿不到，必须三系统共演化才能完整体现。
计算成本与速度：87 节点并行，每轮 2–3 小时跑完八套 flow 加 CEC
论文给出的工程数据对想复现或借鉴这套方法的团队最有价值。集群配置是 87 个 AMD EPYC CPU 节点，每轮 iteration 把所有 benchmark（ISCAS '85/'89、ITC '99、EPFL、VTR DSP、IWLS 2005、一批算术单元）在 8 种 synthesis flow 下并行评估，外加 CEC，全程 2–3 小时；这种节奏让 Planning Agent 每 2–3 小时就能拿到一份高分辨率反馈。
Token 消耗的分布很反直觉但合理：68% 花在 ABC 代码库 profiling，11% 花在外部相关代码库 profiling，只有 21% 花在真正的进化 cycle 上。换句话说，"读懂这个代码库"远比"改这个代码库"更费 token——一旦 Agent 理解了 ABC 的架构，后续每轮的边际成本很低。智能体生成的产物里 45% 是 C 源码（共 87,749 行），其余是 Markdown、bash、Python、log，这个比例侧面证明了 LLM 在做"代码 + 工程文档"这类协同产出时的真实分工。
智能体擅长什么、不擅长什么：放大已有结构 vs 提出全新范式
论文里最有信息量的反思在 4.3 节。一个出人意料的现象是，尽管 Agent 在 cycle 0 接触了大量异构外部研究仓库，但生成的 C 代码会向 ABC 原生编码风格收敛——格式、命名、注释结构、宏组织、Abc_Print 用法、参数 help string、缩进、宏驱动默认值，几乎与人手写的 ABC 模块无法区分。论文展示的 abcFlowTune7.c（cycle 7 自动生成）头文件布局完全照抄 ABC 风格。
更值得 EDA 圈和做 Agentic Coding 的人共同关注的是另一个观察：Agent 在"细化已有方向"上表现极强——调整被忽视的阈值、加深度感知的 scoring、补条件启发式都做得很好；但一旦尝试引入完全新的算法范式（在 ABC 现有不变量里没有锚点的那种），失败率显著上升，常见错法是编译错误、segfault、或细微的正确性破坏，且这些往往无法靠 self-debug 解决。这意味着当下这一代 LLM Agent 在 EDA 领域的真实角色是"放大器 + 重组器"，把人类积累的启发式做更细致的组合与微调；要它从零想出一套新的逻辑综合理论，目前还做不到。
与 AlphaEvolve、SATLUTION 的位置关系，以及对 EDA Agent 这个新赛道的意义
把这三项工作放在同一坐标系下能更清楚看出 Self-Evolved ABC 的价值：AlphaEvolve 解决"小内核能否被 LLM 优化"，SATLUTION 解决"完整求解器仓库能否被 LLM 演化"，Self-Evolved ABC 解决"百万行级、多目标、强耦合的工业级工具能否被 LLM 演化"。三者的正确性兜底机制也对应了三层难度：AlphaEvolve 靠 evaluator 函数返回标量分数；SATLUTION 用 DRAT 证明 UNSAT 实例；Self-Evolved ABC 用 CEC 验证组合等价加 BMC 处理时序。这条递进路径已经把 LLM 自主进化代码的可行边界拉到了主流 EDA 工具规模。论文最后也明确表态——这次成果离不开几十年来 ABC 社区与逻辑综合学界的算法积累，Agent 起到的是"在已有知识基础上做高频小步迭代"的角色。
横向看 EDA Agent 这个新赛道，2026 年同期的相关工作还有 Yao 等人的 EvoPlace（用 LLM 演化全局布局算法），以及 Ghose、Kahng 等人对 Agentic AI 在物理设计 R&D 中前景的综述。Self-Evolved ABC 的差异化在于，它不是"用 Agent 解决一个具体 EDA 优化问题"，而是"让 Agent 直接进化解决问题的工具本身"，这个层级差距决定了它的复用面更广——同一套多智能体 + 子系统切分 + 形式化等价反馈的框架，理论上可以套用到 OpenROAD、Yosys、其他物理设计 / 综合 / 验证工具的演化上。
局限与待解决问题
论文自己点出了几条硬限制，外加从工程角度看还有几条值得提：
其一，Agent 不擅长引入完全新的算法范式，这意味着 8.3% 的 QoR 提升大部分来自对已有启发式的精细化重组，要想突破到下一个数量级，需要在 Agent 的"知识引入"层做更深的工作（比如让 Agent 主动消费学术论文 PDF、自动复现新算法）；
其二，68% 的 token 花在初始 profiling 上，这部分成本对每个新工具仓库都要重新支付，跨工具复用的"通用 EDA 仓库知识"目前不存在；
其三，正确性兜底依赖 CEC，对纯组合或可拆解为组合的电路有效，对真正的时序综合（retiming、scan chain 插入、复杂时序优化）这套范式还没覆盖；
其四，多目标 reward 的设计仍然是手工的，论文没有探讨"让 Planning Agent 自主调整 reward 权重"会不会带来进一步提升或失稳；
其五，所有 Agent 都用同一个 Claude Sonnet 4.5，没探讨不同模型组合（比如 Planning 用更强模型、Coding 用更便宜模型）的成本-效果权衡；
其六，CEC 对 SAT-based 检查在大型工业电路上仍可能 timeout，论文没给具体的失败率数据；
其七，整套实验都跑在 ASAP7 7 nm 上，没在更老节点（如 28 nm）或 FPGA-only 流程上做交叉验证，跨节点泛化性是开放问题。
对 EDA 工程师与做 LLM Coding Agent 的人各自的实操启示
对 EDA 工程师和综合工具用户：短期内你不太可能直接拿到 Self-Evolved ABC 的二进制——论文没说会开源进化后的代码，且作者明确表示这是研究框架。但这件事说明一个趋势：综合工具的"启发式参数空间"过去靠手工调节、近几年靠 RL，现在又多了一条"让 LLM Agent 自动迭代 C 源码"的路；如果你所在团队维护内部 EDA 工具，这套方法论是可借鉴的，关键是把 CEC 这类形式化验证设施做扎实，剩下的事 Agent 才能跑得动。
对做 LLM Coding Agent 的人：四个直接可借鉴的工程经验——Markdown 引导比自然语言可靠；按子系统拆分专门 Agent，比单一巨型 Agent 更稳；正确性硬卡点（CEC、形式化证明、单元测试）是降低 token 浪费的最大杠杆；初始 profiling 阶段的 token 消耗远高于演化阶段，做"代码库知识缓存"是值得投资的方向。预算粗算：复刻类似规模的实验，Claude Sonnet 4.5 这个体量的模型大概 $2,000–3,000 的 token 成本加上几十节点的 CPU 资源，是一个独立研究团队可以承受的级别。
对关注 AI for EDA 这条赛道的研究者：这篇论文已经把"百万行工业工具能不能被 Agent 演化"这个问题从开放变成了"可行但要解决一系列工程挑战"。下一个值得跟踪的节点是：(1) Agent 能否在没有人手 Markdown 教程的情况下完成同等任务；(2) 演化能否扩展到时序综合、物理设计、甚至 RTL 生成；(3) 同一套方法能否复用到 OpenROAD、Yosys 等其他工具，从而出现"Agent 跨工具知识迁移"这种二阶效应。
整体看，Self-Evolved ABC 在 EDA × LLM 这两个交叉地带留下了第一个明确可参考的工程坐标——8.3% 的 QoR 提升数字本身固然漂亮，但更值得记的是"如何把 LLM Agent 安全推进百万行代码"的这套工程范式：子系统切分、Markdown 引导、CEC 硬验证、Self-Evolving Rulebase、87 节点并行评估。这套组合拳大概率会在未来一两年成为 EDA Agent 类工作的标配模板。
AI 速览
