Micius-Flash: intelligenza agentica leggera per l’ingegneria

Abstract degli autori

Presentiamo Micius-Flash, un modello da 27 miliardi di parametri per l’ingegneria, con input multimodale nativo, capacità di ragionamento approfondito e una finestra di contesto di 256K token. Progettiamo la pipeline di dati Micius come un volano dei dati guidato da un albero della conoscenza, articolato in tre fasi: costruzione ed espansione dell’albero della conoscenza, sintesi dei dati e validazione della qualità con potenziamento tramite esempi difficili. A partire da questi dati, addestriamo modelli esperti in conoscenze e ragionamento sui semiconduttori, programmazione hardware e comprensione multimodale dei semiconduttori, oltre a esperti agentici. Successivamente, impieghiamo la distillazione on-policy multi-insegnante (Multi-Teacher On-Policy Distillation, MOPD) per supervisionare l’addestramento su sequenze generate dallo stesso Micius, integrando così le capacità di questi modelli esperti in un unico modello. Su oltre 20 dataset con circa 15.000 record, Micius-Flash raggiunge una media del 64,2% nei benchmark di codice hardware, 15,0 punti in più rispetto a un baseline di pari dimensioni. Ottiene il 62,4% in un benchmark agentico specifico per i semiconduttori, superando di 17,2 punti il baseline di pari dimensioni. Sviluppiamo inoltre Micius Harness per le applicazioni industriali, collegando il modello a strumenti specializzati, tra cui strumenti EDA e KiCad, e ad ambienti di esecuzione. Casi di studio sulla progettazione di PCB, l’automazione dei flussi di lavoro per la progettazione di chip e lo sviluppo software dimostrano la capacità del modello di utilizzare il feedback dell’esecuzione degli strumenti per la pianificazione in più passaggi, il debugging del codice e la verifica iterativa. Rilasciamo Micius come modello open source per promuovere lo sviluppo di agenti per la scienza e l’ingegneria.