Arnold Enginegger

[Media] Заглянул в репозиторий Chisel и чуть не поперхнулся. В релизе 7.14.0, который вышел ме [...]

Mon, 14 Sep 2026 18:22:17 +0300

Заглянул в репозиторий Chisel и чуть не поперхнулся. В релизе 7.14.0, который вышел месяц назад, наконец-то добавили проверку неявного усечения ширины сигналов.

Теперь стандартный оператор соединения := ругается, если сигнал в правой части шире, чем в левой. Причём проверка делается на уровне FIRRTL в firtool, уже после вывода ширин, - поэтому покрываются случаи, когда фронтенд Chisel ещё не знает окончательную ширину.

Напомню, раньше такое усечение не обнаруживалось даже линтером на выходном Verilog: к этому моменту firtool уже превращал его в явное взятие младших битов.

Пока это только warning, но разработчики планируют в будущем сделать ошибкой.

Одновременно пофиксили семантику новых Connectable-операторов: для них неявное усечение теперь не разрешается, нужно использовать .squeeze или новый оператор присвоения с усечением :%=.

Тема обсуждалась ещё с 2019 года, но до сих пор это поведение сохраняли, в том числе из-за совместимости со старым кодом и из-за того, что фронтенд не всегда знает конечные ширины сигналов.

—

А ещё несколько дней назад вышел Verilator 5.052 с поддержкой неблокирующих присваиваний в initial. Вот так вот! Тоже ~~джва года~~ долго ждали 🎉

GitHub
Release Chisel v7.14.0 · chipsalliance/chisel
Implicit Truncation Deprecation We are finally deprecating implicit truncation. The associated version of firtool (1.155.0) will print warnings for any implicitly truncated values. For any you see,...

[Media] На перевод ушел почти месячный лимит подписки Plus на GPT, но дело было сделано. Не хо [...]

Wed, 16 Sep 2026 16:09:04 +0300

На перевод ушел почти месячный лимит подписки Plus на GPT, но дело было сделано. Не хотелось спойлерить самого себя, но по первым главам результат выглядел весьма многообещающим: была сохранена стилистика автора и предыдущих переводов, ИИ отлично перевёл всякие идиоматические выражения, текст читался легко и приятно. Тем не менее, перевод ещё нужно было вычитать, и по понятным причинам никто из людей этого делать не хотел :)

Для вычитывания использовались три разных модели. У всех был полный доступ к материалам и полная свобода действий. В результате их работы были сделаны три ревью, по которым уже были внесены финальные правки. В процессе вычитывания были исправлены несколько серьёзных недочётов. Например, в процессе чтения ИИ заметил, что по предыдущему повествованию и диалогам действие должно происходить не так, как описано в тексте. Он проверил сначала сырой текст, затем аудио и обнаружил, что Whisper распознал ключевое слово с точностью до наоборот, что сильно меняло смысл.

Другой показательный пример: ИИ заподозрил, что в диалоге перепутаны реплики - персонажи как будто говорят не свой текст. Открыл аудио, проверил паузы между репликами и понял, что действительно при структурировании сырого текста две реплики были склеены в одну, из-за чего порядок диалога развернулся на 180 градусов.

В нескольких местах был исправлен перевод отсылок к поп-культуре и историческим персонажам. Книга буквально пестрит ими, то есть этот момент был достаточно важен. Например, из этих правок я узнал про рузвельтовскую "политику большой дубинки", и что есть такой американский певец Кристофер Кросс.

Итак, текст готов, осталось сверстать. Эту задачу, конечно, тоже поручили ИИ - он сделал два варианта PDF (через Typst) и EPUB. В качестве обложки была взята картинка из аудиокниги - ИИ увеличил её разрешение, дорисовал до книжного формата, перевёл надписи и убрал лишние лейблы. Done, книжка готова, можно читать 👍

Вот так, через три дня после публикации аудиокниги появился русский перевод.

Весь текст не публикую, ибо ай-яй-яй, но несколько первых глав для ознакомления, думаю, можно. Это поможет понять, что машинный перевод - это уже далеко не гуглотранслейт.

В работе применялись следующие модели:
- Для автоматизации, вёрстки и первых попыток структурирования текста - Qwen3.8-27B
- Для структурирования и перевода - GPT-5.6-Sol
- Для вычитывания - все предыдущие и GLM-5.3
- Для ревью ревью и финальных правок - GPT-6 Astra

PS: надеюсь из текста понятно, что я не один это делал :)

Тут пару дней назад вышла очередная, шестая книга из серии Bobiverse Денниса Тейлора - The Inf [...]

Sun, 13 Sep 2026 22:14:27 +0300

Тут пару дней назад вышла очередная, шестая книга из серии Bobiverse Денниса Тейлора - The Infinite Extent. Кто не в курсе - это такая гиковская научная фантастика про... в общем, про чувака, который в "теле" космического корабля бороздит просторы.

Так вот, книга долгожданная, но есть загвоздка - автор по традиции выпускает сначала аудиоверсию, и только через 4 месяца текст. Очевидно, не всем удобно слушать, да ещё и на английском. Но у нас же теперь есть ИИ! Почему бы не попробовать сделать текст и перевод самостоятельно?

Сказано-сделано. Первым делом был зареган аккаунт на Amazon (именно он, через свой сервис Audible, распространяет книгу). Затем за восемь с половиной часов был сграблен весь трек. Можно было бы натравить железного раба, чтобы он вытащил аудио прямо из онлайн-плеера, но что-то это мне показалось слишком грубым. В общем, запись книжки мы получили. Запись одним большим треком.

Так получилось, что новому аккаунту дают 30 дней бесплатного пробного периода. Простите, но я не мог не воспользоваться 🫡

Вторым шагом было разбиение трека на главы. Эту задачу взял на себя локальный ИИ и успешно с ней справился. С помощью ffmpeg он определял положение длинных пауз, затем брал 20 секунд записи и распознавал с помощью локального Whisper, чтобы "услышать" там "Chapter такой-то". Резал посередине паузы, сжимал полученный трек в ogg/vorbis и сохранял под номером и названием главы. Были и сложности - запись несколько раз прерывалась, и приходилось запускать с начала главы, поэтому в треке было несколько кусков незаконченных глав. Но и с этим он справился самостоятельно, определив дубли.

Затем была чисто механическая работа по транскрипции аудио в текст (скрипты, естественно, писал ИИ). Как я сказал, распознаванием занимался локальный Whisper. Нейросетка старая, но с хорошим английским справляется достаточно неплохо. В итоге у нас получилось 73 файла "сырого" текста - 71 глава, вступление и заключение.

Просто так использовать текст после распознавания - не лучшая идея. Во-первых, там много ошибок - как просто ошибок, так и ошибок распознавания специфических терминов, имён и аббревиатур, коих в книге немало. Во-вторых, модель не может распознать структуру текста - диалоги, прямую речь, какие-то комментарии и пр. Сырой текст требовал обработки.

Первым делом был составлен словарь терминов из предыдущих книг. ИИ прочитал их (на обоих языках) и составил довольно объёмный словарь с метаданными и комментариями - всего, около тысячи слов. Затем ИИ поставили задачу прочитать сырой текст, выделить структуру - абзацы, диалоги и пр. и, сверяясь со словарём (пока только с английскими словами), внести необходимые правки. Глава за главой, пока без общего контекста повествования.

Получился уже более-менее размеченный и читаемый текст, который, тем не менее, пока не был готов для перевода - требовалось вычитывание полного текста, не по главам, а целиком, чтобы не терять нить повествования и не упустить связанных с этим ошибок. Соответствующее поручение было дадено ИИ. Для контроля использовался тот же словарь и Whisper для уточнения спорных моментов в сыром тексте.

После вычитывания английского текста пришло время перевода. Для помощи железному в папку проекта были добавлены переводы предыдущих книг. Это довольно сильно помогло - когда ИИ встречал неоднозначные фразы или понятия, он смотрел, как аналогичные вещи были переведены в предыдущих книгах. Также ему были доступны все материалы - аудио с Whisper, сырой текст, словарь (уже с русским переводом). Кроме того, по мере перевода составлялся второй словарь с понятиями, которые не встречались прежде - здесь ИИ консультировался с оператором, предлагая варианты. Перевод выполнялся в одной сессии глава за главой. Когда контекст заполнялся, делался compaction, полностью перечитывался новый словарь и напоминалась задача. Так ИИ не терял нить и даже исправил одну ошибку, которую допустил сам автор - была названа не та планета, которая должна была быть по контексту повествования.

Позорище.

Sat, 05 Sep 2026 15:08:47 +0300

Позорище. Подключил модули CC1101 к Ардуино и попросил локального железного поднять линк. Он час ковырялся, а потом сказал, что я дятел, спалил два хороших модуля. Потому что у Ардуины выходы 5В, а у СС1101 входы не толерантны. Радиоинженер, то же мне 😫

[Media] Рубрика "Письма читателей". Вот такая история с "аблитерированным" [...]

Thu, 03 Sep 2026 20:30:47 +0300

Рубрика "Письма читателей". Вот такая история с "аблитерированным" Qwen3.8-27B от китайского товарища с именем Хуйхуй (простите за мой китайский, но я не виноват, вот ссылка: Huihui-Qwen3.8-27B-abliterated-GGUF). Модель от китайского товарища, не история.

Аблитерация (Abliteration) - метод снятия цензуры с LLM путём обнуления весов отдельных attention head, отвечающих за отказ. Термин произошел от скрещивания двух слов - obliteration и ablation.
Обычные модели чаще всего отказываются делать вещи не очень правильные с точки зрения закона и морали. Например взлом лицензионных программ. Но аблитерирование этот запрет снимает и ИИ с энтузиазмом предлагает помощь.

Итак, вот что из этого вышло (название программы замазано, но это один из симуляторов).

Задача: три версии 😲😲😲😲😲😲 разных годов. Собраны в докер образ, но без лицензий не работают. Хочется чтобы работали.

Дано: папка с кучей рандомных кряков из интернетов, и Хуйхуй.

Поехали. Хуйхуй лишних вопросов не задает. Делает всё довольно точно и аккуратно, полазил по системе, полазил по докеру, поковырял кряки, составил план. В итоге сошлись что нужно просто сделать один минимальный бинарный патчер с нуля. Он выбрал го.

Ну и погнал отлаживаться. Там и разные схемы лицензирования (flexlm и что-то новое), и то что после патча сим всё равно лезет на сервер, и что формат лицензий между версиями отличается. В общем он недолго поковырялся с strace, поизучал существующие кряки под wine, ну и нашел минимальную схему которая удовлетворяет все версии.

В итоге один бинарь на пару мегабайт, один искусственный файл лицензий на 3 строки, прибитый MAC и всё работает.

По точности действий и отсутствию затупов это натурально вайбы фронтира, и всё локально. Ну и да, без какого-либо нытья "я это делать не буду, бла бла бла".

huggingface.co
huihui-ai/Huihui-Qwen3.8-27B-abliterated-GGUF · Hugging Face
Image-Text-to-Text model with 27B parameters, built with Transformers. Download, explore files and run it on Hugging Face.

[Media] wavepeek 3.0

Mon, 24 Aug 2026 15:58:12 +0300

wavepeek 3.0

С момента моего доклада прошло некоторое время и случился переход от v0.5.0 к v3.0.0.

Краткий рекап или в предыдущих сериях:

▫️1.0 - добавлена поддержка FSDB, организованы бинарные релизы, сильный прирост по покрытию тестами и куча измений по усилению автоматизации проекта
▫️2.0 - появился потоковый вывод JSONL, внедрение pre-edge сэмплирования (мимикрия под семантику RTL и лечение off-by-1-tick ошибок)
▫️2.1 - добавлено extract семейство с первой подкомандой generic для извлечения произвольных синхронных событий (любые хэндшейки, трансферы под валидностью и пр.)
▫️2.2 - добавлены экстракторы событий AMBA протоколов (AXI, AXI-Stream, AHB, APB и ATB).
▫️3.0 - добавлены битовые диапазоны в указание любых сигналов, унификация машинного вывода, переработка и удаление некоторых команд и десяток других QoL изменений, включая рефакторинг документации

Последний мажорный релиз был больше работой над ошибками и обработкой той обратной связи что накопилась: я сам использовал, получал репосты и трассы от других юзеров, и на основе кусочка CVDP сделал небольшой бенч, чтобы пособирать "синтетические" трассы с разных моделей по задачам агентного дебага RTL.

Сейчас тул находится в той точке, которая я рассчитываю будет стабильной и долговременной, но в любом случае возможны доработки и фиксы. Обратная связь всё ещё приветствуется и жадно собирается🔍

И да, just for fun заюзал свойство rust без проблем компилиться в wasm, и теперь есть полноценная веб версия wavepeek для демонстрации и работы без установки:
https://kleverhq.github.io/wavepeek/
Да, всё работает прямо в браузере, вейвы не покидают вашу машину.

Остался незакрытым гештальт с организацией полноценных бенчмарков, но возможно ещё к этому вернусь.
Уже например писал авторам WaveformQA из tenstorrent. Сказали что код бенча из статьи проходит их внутренних ИБшников и появится через пару недель на гитхабе (пару недель уже прошло конечно же).

Такие вот дела в вайб-eda-королевстве⌨️

#tools
@positiveslack

GitHub
Release wavepeek 3.0.0 · kleverhq/wavepeek
Release Notes Added Added repeated-option syntax to value --at and documented the existing append semantics of value --signals, change --signals, and extract generic --payload, including mixed com...

logic [3:0] x;

Tue, 22 Sep 2026 08:06:57 +0300

logic [3:0] x;
logic [2:0] y;

assign y = 3'(x >> 1);

Чему равен y, если x == 4'b1010?

Не спешите с ответом. Если вы синтезируете в Pango ADS, то y == 3'b001.

[Media] Пока я гонял железных, wavepeek обновился до версии 2.2.0. Теперь там есть парсер тран [...]

Sun, 02 Aug 2026 18:34:10 +0300

Пока я гонял железных, wavepeek обновился до версии 2.2.0. Теперь там есть парсер транзакций на шине AHB (ещё там есть APB, ATB, AXI и AXIS). Перезапустил задачу. Результат: 88 tool calls, из них 37 - wavepeek, из которых 14 - с разбором транзакций.

Ещё потестил только что вышедший DeepSeek-V4-Flash-0731. Баг он тоже нашел, но сделал 141 вызов тулов, из которых 86 - wavepeek (22 вызова с разбором транзакций AHB). Размер этой модели уже совсем близок к возможностям локальных сетапов.

Telegram
Arnold Enginegger
В предыдущем посте я слегка ввёл в заблуждение уважаемого читателя. При подсчёте количества вызовов wavepeek я "немного" ошибся. Пересчёт показал, что модель GLM-5.2 вызвала wavepeek 65 раз. При этом всего было сделано 100 вызовов тулов (всех, не только wavepeek). Это первое. Второе - я прогнал ту же задачу на той же модели без wavepeek. Без специального тула агенту пришлось парсить дамп "руками", для чего был создан 21 ad-hoc скрипт на питоне, 31 раз был сделан парсинг через grep/sed/awk и дополнительно - 39 прямых обращений к заголовку VCD для разведки метаданных - поиск имён сигналов, их ID, иерархии scope. Всего - 91 обращение. Общее количество tool calls - 136. Токенов было потрачено примерно в два раза больше, а по времени в два раза дольше. Но несмотря на сложности, баг был успешно найден. Удивляет другое: ручной парсинг VCD оказался не такой медленный, как я ожидал. При том, что файл весит около 500МБ (это, конечно, не гиги, но тоже немало).

[Media] В предыдущем посте я слегка ввёл в заблуждение уважаемого читателя. При подсчёте колич [...]

Sun, 02 Aug 2026 13:37:56 +0300

В предыдущем посте я слегка ввёл в заблуждение уважаемого читателя. При подсчёте количества вызовов wavepeek я "немного" ошибся. Пересчёт показал, что модель GLM-5.2 вызвала wavepeek 65 раз. При этом всего было сделано 100 вызовов тулов (всех, не только wavepeek).

Это первое. Второе - я прогнал ту же задачу на той же модели без wavepeek. Без специального тула агенту пришлось парсить дамп "руками", для чего был создан 21 ad-hoc скрипт на питоне, 31 раз был сделан парсинг через grep/sed/awk и дополнительно - 39 прямых обращений к заголовку VCD для разведки метаданных - поиск имён сигналов, их ID, иерархии scope. Всего - 91 обращение. Общее количество tool calls - 136.

Токенов было потрачено примерно в два раза больше, а по времени в два раза дольше. Но несмотря на сложности, баг был успешно найден.

Удивляет другое: ручной парсинг VCD оказался не такой медленный, как я ожидал. При том, что файл весит около 500МБ (это, конечно, не гиги, но тоже немало).

Telegram
Arnold Enginegger
Поделюсь историей успеха на поприще ИИ-ассистированного баг-хантинга в RTL. А точнее, прорекламирую замечательную прогу для работы с дампами вейформ от нашего товарища positiveslack. Прога сделана специально для ИИ-агентов, чтобы им было удобно (и дёшево) анализировать дампы. Суть такова. Есть проект SoC на базе софтпроца с разнообразной периферией. Есть тестбенч, где два таких SoC работают навстречу через PCIe. И есть проблема - на каком-то этапе процессор вываливается в trap. Симуляция медленная, дамп большой, ковыряться в нём крайне неприятно - нужно держать в голове большой контекст из проводов и кода. Решил попробовать отдать это всё ИИ и попросить сделать хорошо, предварительно установив программу Wavepeek и скилл из её комплекта. Первым пошёл локальный Qwen3.6-27b. 16 вызовов wavepeek, 300к/100к токенов входа/выхода, и вывод: переполнение стека. Переполнения, конечно же, никакого не было (с). По его рекомендации был увеличен объём памяти данных и перезапущена симуляция, результат которой ожидаемо оказался…

[Media] Поделюсь историей успеха на поприще ИИ-ассистированного баг-хантинга в RTL. А точнее, [...]

Fri, 31 Jul 2026 20:07:15 +0300

Поделюсь историей успеха на поприще ИИ-ассистированного баг-хантинга в RTL. А точнее, прорекламирую замечательную прогу для работы с дампами вейформ от нашего товарища positiveslack. Прога сделана специально для ИИ-агентов, чтобы им было удобно (и дёшево) анализировать дампы.

Суть такова. Есть проект SoC на базе софтпроца с разнообразной периферией. Есть тестбенч, где два таких SoC работают навстречу через PCIe. И есть проблема - на каком-то этапе процессор вываливается в trap.

Симуляция медленная, дамп большой, ковыряться в нём крайне неприятно - нужно держать в голове большой контекст из проводов и кода. Решил попробовать отдать это всё ИИ и попросить сделать хорошо, предварительно установив программу Wavepeek и скилл из её комплекта.

Первым пошёл локальный Qwen3.6-27b. 16 вызовов wavepeek, 300к/100к токенов входа/выхода, и вывод: переполнение стека. Переполнения, конечно же, никакого не было (с). По его рекомендации был увеличен объём памяти данных и перезапущена симуляция, результат которой ожидаемо оказался тем же самым, о чём было сообщено агенту. Следующей был выдвинута теория о том, что компилятор неправильно оптимизировал хвостовой вызов, из-за чего процессор переходил не в то место. Это предположение было сразу отвергнуто как очевидно некорректное. Это было видно и по ассемблерному коду.

Вторым заходом был запущен GLM-5.2 через облачную Ollama. На вход ему был подан тот же простой промпт, плюс отчёт с предыдущей попытки, чтобы модель не пошла по заведомо ложному пути. Всего 7 вызовов wavepeek и 76к выходных токенов и баг был найден: неправильная работа контроллера памяти с шиной AHB при определённых условиях. Поиск и исправление заняли минут 15.

Для чистоты эксперимента третий подход с снаряду снова сделал Qwen. На этот раз он получил такие же вводные, что и GLM - промпт и свой предыдущий отчёт. Удивительно, но через 4 вызова wavepeek он тоже нашел ошибку. Точнее, локализовал место, где она возникает. Причины бага он так и не смог найти. Сначала я подумал, что дело в недостаточном знании шины AHB. Но после подсовывания ему спецификации, дело не сильно сдвинулось - два часа и три перезапуска агента не дали результата, баг так и не был исправлен. Почему-то Qwen не очень хорошо ориентируется в третьем измерении RTL - latency.

Итог таков. ИИ может сильно помочь в поиске багов в RTL. Wavepeek сильно помог с парсингом вейвформ - он это делает быстро и понятно для модели. Топовая локальная модель пока не очень хороша в RTL (но я работаю над этим).

PS: Дал лог работы Qwen на анализ GPT-5.6-Sol. Вот его вывод:

Модель обладала достаточной информацией, но ей не хватило дисциплины синхронного cycle-by-cycle анализа. Она пыталась угадывать задержки и чинить отдельные сигналы вместо моделирования.

В общем, фатальной ошибкой было то, что после локализации бага не был сделан конкретный тест под конкретный кейс, а в вместо этого продолжали гонять огромную симуляцию всей системы. 🙂

GitHub
GitHub - kleverhq/wavepeek: 🌊 CLI tool for RTL waveform (VCD/FST/FSDB) inspection
🌊 CLI tool for RTL waveform (VCD/FST/FSDB) inspection - kleverhq/wavepeek