InCoder-32B-Thinking: 산업용 코드 사고를 위한 산업 코드 월드 모델

산업용 소프트웨어 개발은 하드웨어 제약 조건과 타이밍 시맨틱에 대한 전문가의 추론 과정이 데이터로 남지 않아 AI 모델 학습에 한계가 있었다. 이 연구는 오류 기반 사고 사슬(ECoT) 프레임워크와 산업 코드 월드 모델(ICWM)을 결합한 InCoder-32B-Thinking을 제안하여 이 문제를 해결한다. ICWM은 Verilog 시뮬레이션과 GPU 프로파일링 데이터를 통해 코드와 하드웨어 동작 간의 인과 관계를 학습하며, ECoT는 환경 피드백을 통해 오류 수정 과정을 명시적으로 모델링한다. 실험 결과 LiveCodeBench v5에서 81.3%, CAD-Coder에서 84.0%의 성능을 기록하며 오픈소스 모델 중 최상위권 성적을 거두었다. 이 모델은 칩 설계 및 임베디드 시스템 개발에서 복잡한 하드웨어 의존적 코드 생성의 정확도와 효율을 크게 향상시킨다.