연구진이 RF 회로 설계에 특화된 언어 에이전트 프레임워크 RF-Agent를 개발했어요. 7개의 RF 교재를 활용해 1만 1천 개 이상의 RF 도메인 추론 데이터셋과 벤치마크를 구축했어요. 지도 학습(SFT)과 검색 증강 생성(RAG) 방식을 통해 LLM의 RF 추론 능력을 향상시켰어요.
SFT는 소형·중형 모델의 RF 추론 성능을 크게 개선하고, RAG 방식 중 의미 검색(semantic retrieval)이 가장 효과적이었어요. 이 데이터셋과 벤치마크는 LLM 기반 RF 회로 설계 연구의 기반이 될 거예요.