NVIDIA NeMo Gym 助西门子 EDA 智能体提效：轮次降约66%、基准分升至约95%

核心事实

NVIDIA 开发者博客发布文章，介绍其开源评估库 NVIDIA NeMo Gym 如何用于提升芯片设计智能体的可靠性。文中称，西门子 EDA 的 Fuse EDA AI Agent 在标准单元表征任务中，使用 NeMo Gym 对最终生成的 Liberty（.lib）文件进行验证与迭代优化。

据该文数据，在基于开源 GF180MCU PDK 的代表性基准上，智能体的综合验证得分从约 55% 提升至约 95%；智能体轮次从 155 降至 53，降幅约 66%；平均输出 token 从约 81K 降至约 29K，降幅约 64%。

背景与影响

标准单元表征用于生成逻辑单元在不同工况下的时序、功耗与噪声模型，是芯片设计的基础环节。每当晶圆厂发布新的工艺设计套件（PDK），相关模型往往需要重新生成并验证。文章指出，多阶段工程流程中，早期设置错误可能被后续步骤静默放大，最终产出看似合理却错误的工件，因此评估应针对最终产物，而非孤立的中间工具调用。

NeMo Gym 提供任务、工具、状态与验证器的定义，记录思考轨迹、输入输出消息与工具动作。团队据此设计了覆盖度、有效性、相对验证、准确度与完整性五项门槛，任一门槛不通过则奖励为零。基于验证器诊断，团队简化了重叠的文件与 shell 接口，并用显式 JSON schema 定义工具输入，从而改进了技能与 MCP 工具描述。

文章称，同一方法可推广至 EDA、CAE 等工程领域的智能体评估。

限制与来源

上述数据来自 NVIDIA 官方技术博客，属于厂商公布的开发基准结果，测试条件为每次运行限定两个单元、36 个 PVT 角，单次运行约 1.5 至 2 小时，约 25 次 rollout，使用 Claude Opus 4.8 在 Claude Code 中作为固定模型与智能体框架。这些结果不代表其他任务、工艺节点或模型配置下的表现。

NeMo Gym 的可用性、许可与功能细节，以及西门子相关产品的支持范围，请以 NVIDIA 与西门子官网当前信息为准。原文链接：developer.nvidia.com。