深度分析
WaveformQA 評測登場：評估 LLM 在數位波形時序推理的極限
LLM 在程式碼生成表現優異，但對數位波形的時序推理能力仍未被充分探索。WaveformQA 基準包含 360 個問題，涵蓋多訊號關聯與事件排序。結果顯示事件時間 JSON 格式比 VCD 格式提升 37-53% 準確率，但模型在複雜時序問題上仍受限於上下文視窗與推理瓶頸。
EDA
速報
FluxBench 系統評測：AI Agent 架構差異導致 EDA 表現差距達 86%
現有研究多限於孤立任務，FluxBench則系統評測AI代理在完整晶片設計流程（RTL到GDS）的表現，涵蓋開源與商用工具，並提出TokenROI成本指標。結果顯示代理系統架構性能差距達86.27%，Token ROI差異達105.92倍，凸顯系統設計與基礎模型同為關鍵。
深度分析
Lego：以 LLM 為核心的前端晶片設計技能平台
晶片前端自動化複雜且步驟繁多，Lego 將流程拆成六個步驟並以可插拔的電路技能標準化每項能力。團隊從多個開源專案萃取四十二項執行技能，並用自動化工具與輕量檢索加速重用。實驗在 41 個困難 RTL 任務上，模組化技能將單次成功率提升到 0.805，展現模組組合對實務自動化的價值。