RTL修复基准被指存在测量混淆

2026年10月21日，arXiv cs.AI/cs.LG 报道称，作者构建了 RTL 修复评测数据集 RTLRepairDataset，包含 5,784 个缺陷与修复配对；同时构建 RTLRepairBench，包含 459 个留出用例，其中 374 个语法变异、85 个行为变异，并配套支持仿真与形式等价的评测 harness。报道称作者据此讨论 RTL 修复基准究竟测了什么，并指出存在两类测量混淆。目前披露的进展是数据集、基准与评测 harness 的构建情况。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。