LEGO: LLM 기반의 기술 중심 프론트엔드 디자인 생성 플랫폼

LEGO: An LLM Skill-Based Front-End Design Generation Platform

기존의 LLM 기반 EDA 에이전트는 종종 독립적이고 특정 작업에 특화된 시스템으로, 이는 반복적인 엔지니어링 노력을 야기하며 성공적인 디자인 및 디버깅 전략의 재사용성을 제한합니다. 본 논문에서는 프론트엔드 디자인 생성을 위한 통합적인 기술 기반 플랫폼인 LEGO를 소개합니다. LEGO는 디지털 프론트엔드 프로세스를 6개의 독립적인 단계로 분해하고, 각 에이전트의 기능을 표준화된 조합 가능한 회로 기술로 표현하며, 플러그 앤 플레이 아키텍처를 제공합니다. 이 기술 라이브러리를 구축하기 위해 100편 이상의 논문을 조사하고, 11개의 대표적인 오픈 소스 프로젝트를 선택하여 6단계 유한 상태 머신 형태로 42개의 실행 가능한 회로 기술을 추출했습니다. Circuit Skill Builder는 선형 확장성을 갖춘 기술 추출을 자동화합니다. Agent Skill RAG는 임베딩 모델에 의존하지 않고 서브밀리초 수준의 빠른 검색을 제공합니다. GPT-5.2-Codex가 높은 추론 노력에도 불구하고 해결하지 못하는 41개의 VerilogEval v2 문제로 구성된 어려운 데이터 세트에 대한 실험적 평가 결과, LEGO 내에서 구축된 개별 회로 기술은 Pass@1 성능을 0.000에서 0.805로 향상시켰습니다. 이는 기준 성능보다 80.5% 향상된 수치입니다. 또한, 여러 프로젝트에서 조합된 기술도 0.805의 Pass@1 성능을 달성했으며, hierarchy-verilog보다 14.6% 높고 VerilogCoder보다 2.5% 높은 성능을 보였습니다. 또한, MAGE와 동등한 성능을 보였습니다. 이러한 결과는 모듈식 기술 조합이 효과적이고 유연한 RTL 디자인 자동화를 지원한다는 것을 보여줍니다. LEGO 플랫폼 및 모든 회로 기술은 GitHub에서 공개적으로 이용 가능합니다: https://github.com/loujc/LEGO-An-LLM-Skill-Based-Front-End-Design-Generation-Platform

Existing LLM-based EDA agents are often isolated task-specific systems. This leads to repeated engineering effort and limited reuse of successful design and debugging strategies. We present LEGO, a unified skill-based platform for front-end design generation. It decomposes the digital front-end flow into six independent steps and represents every agent capability as a standardized composable circuit skill within a plug-and-play architecture. To build this skill library, we survey more than 100 papers, select 11 representative open-source projects, and extract 42 executable circuit skills within a six-step finite state machine formulation. Circuit Skill Builder automates skill extraction with linear scalability. Agent Skill RAG achieves submillisecond retrieval without relying on embedding models. Empirical evaluation on a hard subset of 41 VerilogEval v2 problems that gpt-5.2-codex fails to solve under extra-high reasoning effort shows that individual circuit skills constructed within LEGO raise Pass@1 from 0.000 to 0.805. This is an 80.5% gain over the baseline. Cross-project skill compositions also reach 0.805 Pass@1. They outperform hierarchy-verilog by 14.6% and VerilogCoder by 2.5%. They also match MAGE. These results show that modular skill composition supports both effective and flexible RTL design automation. The LEGO platform and all circuit skills are publicly available at GitHub: https://github.com/loujc/LEGO-An-LLM-Skill-Based-Front-End-Design-Generation-Platform