有没有熟悉大模型开发的， help！

没搞过啊，想搞大模型，那先问下大模型？

@name1991 哈哈哈 感觉 gpt 什么的回答的不是很准确

公司肯定不会指望你能搞出啥来，主要是还是让你摸索的

@name1991 我也觉得是这样，但是感觉没搞好的话估计也就留不下来了😂，后面毕业还是挺想从事 eda 相关的，这家公司在国内 eda 也算几了

@zhh2271 #44 那就好好搞吧，我估计主要是看你思路了，如果有些小的惊喜给到你的领导，估计就稳了。

drc 和 lvs 都是很窄的领域，有语法标准，用不着数据训练，只需要把标准告诉大模型就可以了。但是你们做 eda 肯定是要做 layout 检查啊，又不是做 pdk 开发，大头还是在 gds 解析和图形运算上，这个大模型不擅长啊，大模型又不是计算器。

@SmiteChow 不是做检查的，只是写一下检查 DRC/LVS 的脚本什么的

sft 或者 post train 去看吧 然后找一个开源的模型 + 你们领域的数据集 去做训练

一共就两步
1. 整理数据集
2. 选型大模型 做 post train

@hefish #3 哥们是在开玩笑的

这个一般用微调就行了，微调中数据的重要性占 80%，所以第一步就是要有高质量数据集，没有这个都是扯淡

公司有资源可以本地微调下，没有资源就本地部署个大模型比如 deepseek 。然后挂个 rag 让领导自己玩就行了

搞什么都没事，但你要及时跟他同步进度，有关键方案要及时整理文档跟他对齐，让他拍板
别闷头搞

建议先评估。在公司内收集一批带 groundtruth 的题目，找几个最好的模型，用盲评评估下结果，看哪些模型最好。可选的就 deepseek 、claude 4 sonnet 、codex （既然提到规则编写，默认就把 coding sota 模型加进来了），其它认为效果不错的模型。这里分两批模型：可落地的模型和 sota 模型。

决定是否训练模型。基于可落地模型和 sota 模型的效果评估和差距，决定是否要训练模型。最好的情况是可落地的模型（ deepseek 、qwen3 、doubao-1.5 等）效果就不错了，直接用（不考虑数据泄露）或者买 gpu 自己部署（数据安全）。

如果差距较大且对效果不满意，需要考虑训练模型，确定如何训练，蒸馏、sft 、rft 等。这条路比上面的成本就高多了，需要考虑准备数据、制定评估标准、评估、训练，甚至数据飞轮。你们公司大概率是没有训练平台，需要找一个。整个过程，一个人是搞不定的。

最后模型效果好了，才考虑落地。

建议先评估下 roi ，是否值得做。评估下「大模型可以回答当前我们软件的一些流程怎么进行，最好可以实现一些 DRC/LVS 规则文件的编写什么的」能够带来多大的收益，是否值得投入对应的成本。

我的理解是 RAG, 至于生成脚本，就是让大模型调用 MCP 服务创建文件罢了

我刚开始学大模型，可能帮不了你

RAG 用 AnythingLLM （ 1 天）
生成特定规则的文件需要慢慢调提示词，用时因人而异。
不过远没到 6 个月的程度，也不需要涉及训练

靠，实习生真 tm 性价比。钱少还忠诚。

花了点时间想了下，其实就是 2 点：
1 ，知识体系的问答，rag 足矣
2 ，要做事，mcp 这套

@coefuqin 没办法，现在工作不好找，找到个坑感觉把自己按住😭，现在 eda 不比以前了，感觉像互联网一样也开始卷了。

@zhh2271 你做这个事情，要一开始就和上级商量好，要么开个小会，一次性把需求说好，形成书面文档，开会你记笔记你确定需求，然后发邮件给上级（搞正式一点，这样让他也知道这个事情是你用心做的），后续不能随便更新需求，要更新也要形成正式的书面文档在邮件体现。这种口头交代的鸟事，最烦每天想没想好就给你来一下需求，那后续就没得做了。需求确定再想办法，如果做的不符合需求是你能力的事，如果符合需求他们不满意，是他们的事。