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。
速報
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
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。