主要来源rohanpaul_ai
查看原文事件专题 ·单一信源
Google DeepMind 与 Columbia 论文:把芯片仿真波形转成 SQL 数据库让 Agent 调试
Google DeepMind 与 Columbia University 的论文提出 BTTF(Back-to-the-Future)方法,将超过 10 GB 的芯片仿真波形文本转储转成 SQLite 数据库,供 AI Agent 直接查询。芯片仿真会记录每一次信号变化,工程师目前仍需手工扫描这些文件,而任何 LLM 的上下文窗口都无法容纳,文件本身也不支持 Agent 检索。 BTTF 的流程分两步:先把波形转储编译成紧凑的 SQLite 数据库,再由一组专门的 Agent 把自然语言问题转成 SQL、检查设计规则并对每个答案做审计。在 150 道专家标注的验证问题上,使用 Gemini 2.5 Pro 达到 95.33% 的正确率;多 Agent 分工比单 Agent 在质量审计上高出 17.3%,代价是 1.96 倍延迟。 这篇论文给出的通用思路是:当 Agent 处理巨型日志或 trace 时,与其把数据塞进 prompt,不如先转成可查询的数据库再用 SQL 检索。对做日志分析、trace 排查的开发者来说,这是一条可以直接复用的工程路径。
当前结论
DeepMind 和 Columbia 把 10GB 以上的芯片波形文件转成 SQLite,让一组 Agent 用 SQL 去查询调试,150 道专家题答对 95.33%,用的是 Gemini 2.5 Pro。你要是也常让 Agent 啃大日志,这篇给了个现成替代方案:别硬塞 prompt,先建数据库。
2 个信源52° AI 热度最后更新 2026/11/15 23:46:30
证据链
2 个信源相关来源 1arXiv cs.AI
查看原文冲突核查
现有去重数据只说明这些来源讨论同一事件,不代表立场相同。当前没有结构化的支持或反驳证据,不自动推断冲突。