智多星-EDA大模型算法

优缺点分析

角色解读

• 深入探索AI for Science/EDA领域，成为兼具芯片设计与AI算法能力的复合型人才
• 向高级算法工程师发展，专注于大模型在垂直领域的落地与应用
• 进入顶尖科技公司或初创企业，从事前沿的AI辅助芯片设计研发
• 负责构建EDA场景下的大模型训练数据，包括RTL代码、测试激励和奖励信号
• 搭建自动化验证Pipeline，对生成的RTL代码进行功能、面积和时序评估
• 参与Coding-Agent的监督微调(SFT)和强化学习(RL)训练，优化模型输出质量
• 设计评测体系和题库，防止模型过拟合，确保评估结果的可靠性
• 扎实的微电子/集成电路基础，熟悉Verilog/SystemVerilog及数字电路设计流程
• 熟练掌握Python编程，具备较强的脚本编写和自动化流程搭建能力
• 了解主流EDA工具链（如Yosys, VCS, Verdi等）的基本使用
• 具备大模型、Agent或强化学习的相关理论基础或实践经验

申请策略

• 提前了解阿里达摩院或平头哥在EDA/AI方面的最新研究成果
• 准备一个能体现你‘工程+算法’结合能力的项目案例，以便面试时深入交流
• 突出展示Verilog/SystemVerilog项目经验，特别是涉及仿真、综合或自动化的部分
• 强调Python脚本能力，列举过往编写的自动化测试或数据处理工具
• 如有大模型、Agent或RL相关项目/论文，务必重点描述，尤其是与代码生成相关的
• 复习数字电路设计基础，熟悉PPA（性能、功耗、面积）概念
• 学习主流开源EDA工具（如Yosys）的使用，尝试运行简单的RTL代码
• 了解大模型训练基本流程，特别是SFT和RLHF/RLVR的概念

面试指南

• STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)
• 技术原理+实践结合：先解释理论概念，再结合具体项目案例说明
• 问题分析思路：从现象到本质，展示系统性的调试和排查逻辑
• 请介绍一个你用Verilog设计的模块，并说明其功能和验证方法
• 你是如何理解EDA工具在大模型应用中的角色的？
• 请简述SFT和RL在训练大模型时的区别和应用场景
• 如果生成的RTL代码无法综合或存在时序违例，你会如何分析和定位问题？
• 请描述一下你过去项目中搭建自动化测试或数据处理Pipeline的经历