Micius-Flash：半導体エンジニアリング向け27Bマルチモーダルエージェント

概要

大規模言語モデルは、質問に答えるだけでなく、専門ツールを操作し、結果を確認しながら作業を修正することを求められています。半導体設計では、専門知識、ハードウェア向けコード、画像や回路情報の理解、さらにEDAツールとの連携が必要です。Micius-Flashは、こうした要件を一つのモデルと実行基盤にまとめようとする取り組みです。

Micius-Flashは、半導体エンジニアリングと科学用途を対象にした、27Bパラメータのオープンなマルチモーダルモデルです。ネイティブなマルチモーダル入力、深い推論、256Kトークンのコンテキストを備えます。加えて、Micius HarnessによってEDAツール、KiCad、コードなどを実行する環境へ接続できます。

主なポイント

• 専門能力の統合。 半導体の知識と推論、ハードウェアコーディング、半導体分野のマルチモーダル理解、エージェント能力を一つのモデルに統合します。
• 知識ツリー型のデータ処理。 データパイプラインは、知識ツリーの構築と拡張、データ合成、品質検証と難例の追加という三つの段階で構成されます。評価には20以上のデータセットと約1万5,000件のレコードが使われたと説明されています。
• 専門家モデルと蒸留。 半導体推論、ハードウェアコード、マルチモーダル理解、エージェント能力の専門モデルを先に訓練し、その後、Micius自身が生成した系列をMulti-Teacher On-Policy Distillationで学習させます。複数の専門能力を統合モデルへ移すことが狙いです。
• 報告された評価結果。 ハードウェアコードのベンチマークでは平均64.2%で、同規模のベースラインを15.0ポイント上回りました。半導体専用エージェント評価では62.4%となり、差は17.2ポイントです。提示された資料には、蒸留とHarnessがそれぞれどれだけ寄与したかの分解はないため、結果を単一の要素だけに帰属することはできません。
• 外部ツールを含む反復。 PCB設計、チップ設計ワークフローの自動化、ソフトウェア開発の事例では、実行結果をもとに多段階の計画、コードのデバッグ、反復検証を行う流れが示されています。

意義と限界

Micius-Flashの重要な点は、回答生成からフィードバック型の工程へ視点を移していることです。モデルが設計案やコードを作り、ツールに実行させ、返ってきた結果を見て計画を修正する流れは、単発の生成よりも実際のエンジニアリングに近いものです。テキストだけでは見つけにくい実装上の問題を、実行結果から発見できる可能性もあります。

ただし、ベンチマークの向上だけで、実際のチップ開発を無監督で任せられるとは言えません。現場には複雑な依存関係、厳しい設計制約、専門家によるレビューがあります。提供された要約には、詳細なエラー率、導入コスト、長期的な安定性に関する情報もありません。現時点では、Micius-Flashを半導体エージェントの研究・応用基盤として捉えるのが妥当です。

モデルとHarnessが再現・拡張されれば、オープンソースのエージェントを、専門知識とツール操作、繰り返し検証が必要な科学工学分野へ広げる足掛かりになるでしょう。

出典：Hugging Face Daily Papers