NVIDIA NeMo Gym 助西门子校准 EDA 智能体：标准单元表征评分从 55% 提升到 95% NEWS DETAIL

智能体在芯片设计流程里能显著提升效率，但它也会生成“看起来合理、实际错误”的产物，这让可靠性成为进入生产环境的主要障碍。多阶段工程流程中，早期一个未被发现的设置错误会沿下游静默传播，最后污染整个交付物。仅检查单次工具调用是否成功，很难发现这类问题。

NVIDIA 以西门子 Fuse EDA AI 智能体为例，说明了 NeMo Gym 的解法。该智能体通过 MCP 服务器和技能封装驱动 Solido Characterization Suite，完成标准单元表征：为逻辑单元在不同工况下生成时序、功耗与噪声模型。这项工作在代工厂发布新的 PDK 后必须重做，且要在输入斜率、输出负载与 PVT 条件的组合上逐格验证。

难点在于失败往往不报错。阈值取错、角落缺失、单元不完整，都可能产出格式合法但数值错误的 Liberty（.lib）文件。为此，团队在 NeMo Gym 中定义了任务、工具、状态与验证器，让每次 rollout 都从干净状态开始，并完整记录思考轨迹、输入输出消息与工具动作，从而可以回放整条轨迹、定位错误是在哪一步引入的。

评分不以工具调用为单位，而以最终产物为准。验证器设置了五道闸门：覆盖率（是否产出全部预期单元与 PVT 角落）、有效性（Liberty 文件格式是否可用）、相对验证（是否引入参考结果之外的新失败）、准确性（时序与功耗值落在容差内的比例）、完整性（是否复用、截断或改写既有数值）。任何一道闸门不通过，综合得分为零；全部通过时，得分等于容差内数值的占比。

团队用开源 GF180MCU PDK 做基准，数据集包含 229 个标准单元、36 个 PVT 角落，SPICE 仿真由 Solido AFS 承担。每轮评测限制为 2 个单元 × 36 个角落，单次约 1.5 到 2 小时，共约 25 次 rollout，固定使用 Claude Opus 4.8 在 Claude Code 中运行。根据轨迹里暴露的歧义指令、无效动作与错误工具选择，团队反复修改智能体的技能描述与 MCP 工具说明。

优化后，平均综合验证分从约 55% 提升到约 95%，交互轮次从 155 降到 53（减少约 66%），输出 token 从约 8.1 万降到 2.9 万（减少约 64%）。NVIDIA 总结的方法也可迁移到 CAE 等其他工程领域：先把最终工程产物定义清楚，再写领域专用的评分器来识别缺失、截断、改写与复用，最后用大量 rollout 打磨技能与工具接口，而不是只看工具调用是否返回成功。