NVIDIA 于 10 月 14 日介绍西门子 Fuse EDA AI Agent 的评估案例。团队使用 NeMo Gym 检查标准单元特征化流程，重点验证最终生成的 Liberty 文件。这类文件包含芯片设计需要的时序与功耗信息，中间步骤看似成功，仍可能留下单元缺失、工作条件遗漏或数值超差，因此只统计工具调用是否成功无法完整判断结果。
评估器同时检查覆盖范围、文件有效性、相对参考的新增错误、数值精度与生成过程完整性。任一必需关卡失败，综合奖励就归零。团队在固定模型与运行环境下重复执行任务，查看完整轨迹和验证诊断，再修改 Agent 的 Skills 与 MCP 工具说明。改动包括简化重叠的文件和 shell 接口，以及通过明确的 JSON schema 约束工具输入。
实验使用 GF180MCU PDK，调优时每轮选取两个标准单元和 36 个工艺、电压、温度条件，约进行了 25 次运行。官方报告，综合验证分数由约 55% 升至约 95%，调用轮次从 155 降为 53，输出 token 从约 81K 降为 29K。这里变化的是特定工程基准中的流程与工具描述，并非一次通用模型升级，也不能直接推定其他芯片任务具有相同提升。