NVIDIA показала, как NeMo Gym повысила надёжность агента для проектирования чипов
NVIDIA описала применение NeMo Gym для проверки агента Siemens Fuse EDA. В заявленном тесте показатель проверки вырос примерно с 55% до 95%, а число ходов агента сократилось со 155 до 53.
В техническом блоге NVIDIA от 14 октября 2026 года описано, как Siemens EDA использовала NeMo Gym для оценки агента Siemens Fuse EDA, работающего с инструментами характеристики стандартных ячеек. Агент должен настраивать инструменты, запускать симуляции, генерировать Liberty-файлы и проверять итоговые артефакты.
По описанию NVIDIA, среда NeMo Gym проверяет не отдельные промежуточные шаги, а конечный результат и весь маршрут выполнения. Для Liberty-файлов применялся специализированный верификатор: он проверял покрытие, корректность, относительную валидацию, точность и целостность артефакта. Если один из критериев не выполнялся, результат получал нулевую награду.
Диагностика помогла команде Siemens изменить навыки агента и описания инструментов Model Context Protocol. После этого композитный показатель проверки на репрезентативном наборе задач вырос примерно с 55% до 95%. Число ходов агента сократилось со 155 до 53, а объём вывода — примерно с 81 тысячи до 29 тысяч токенов.
NVIDIA представляет этот подход как применимый не только к проектированию микросхем, но и к инженерным агентам в EDA, CAE и других областях, где ошибка на раннем этапе может перейти в финальный результат. Для разработчиков это означает возможность оценивать агента по проверяемому артефакту и повторно улучшать его навыки на основе найденных причин сбоев.
Почему это важно
Подход показывает, как проверять инженерного агента по конечному артефакту, а не только по отдельным вызовам инструментов. Это даёт командам EDA практический способ находить скрытые ошибки и снижать лишние действия агента.
Источник: NVIDIA Developer Blog · По данным официального технического блога NVIDIA; приведённые показатели относятся к описанному компанией примеру работы Siemens EDA.
