NVIDIA NeMo Gym 將 Siemens Fuse EDA AI Agent 晶片特徵化評測分數由約55%提升至約95%

NVIDIA Developer 發布實務說明，展示 Siemens 團隊如何使用開放函式庫 NVIDIA NeMo Gym，評估並改善 Siemens Fuse EDA AI Agent 在標準元件特徵化流程中的工具調用可靠性。以具代表性的標準元件特徵化任務進行評測後，基準綜合分數由約 55% 提升至約 95%，同時減少工具調用回合與輸出 token，但文章未提供減少幅度。 NeMo Gym 在受控環境中定義任務、工具、狀態與驗證器，讓每次 rollout 從乾淨狀態開始並產生可比較結果；系統也會記錄思考軌跡、輸入輸出訊息與工具動作。Siemens 團隊據此檢查失敗的工具調用、錯誤選擇與無效操作，再修改 agent skill 與 Model Context Protocol（MCP）工具描述，並在相同條件下重跑任務。 評測不只檢查中間步驟，而是將產出的 Liberty（.lib）檔案與已驗證的參考檔案比對。最終驗證曾找出缺少元件或操作條件、slew threshold 錯誤，以及超出容許範圍的時序或功耗數值；這些問題可能在早期階段未觸發明顯失敗，卻一路傳播至最終輸出。 團隊建立的綜合評分涵蓋五項指標：是否產出所有預期元件與 PVT corner 的 coverage、Liberty 檔案是否有效且可供驗證工具使用的 validity、相較參考結果是否新增失敗的 relative validation、時序與功耗數值落在容許範圍內的 accuracy，以及是否完整產出結果而非重用、截短或重新格式化既有數值的 integrity。 這套 Solido Characterization Suite agent 會執行工具設定、大規模 SPICE 模擬、分散式運算、Liberty 檔案生成、除錯與最終驗證；其 MCP 伺服器與 skill 可供 Claude Code、Codex 和 Cursor 等 coding harness 使用。