GoGoTB: агентный ИИ впервые довел верификацию RTL-дизайнов до 98% покрытия без участия человека
Функциональная верификация — один из самых трудоемких этапов проектирования интегральных схем. Ошибка, пропущенная на этом этапе и попавшая в кремний, может привести к дорогостоящему повторному выпуску микросхемы. С развитием больших языковых моделей (LLM) появилась надежда автоматизировать этот процесс, однако существующие подходы работали с ограничениями.
Как отмечается в новой работе на arXiv, прежние LLM-методы генерировали каждый компонент верификационного окружения независимо, без общего контекста. Это приводило к несоответствиям интерфейсов и разрыву между заявленным покрытием и реальными требованиями спецификации.
В ответ на это авторы предложили GoGoTB — агентный фреймворк, который обеспечивает сквозную верификацию через три подсистемы: агентный слой управления исполнением, эволюционирующую систему знаний и механизм замыкания покрытия, привязанный к спецификации.
Слой управления разделяет детерминированные проверки и логические рассуждения LLM на каждом этапе. Система знаний по запросу подключает методологическую и дизайн-специфическую экспертизу. Покрытие привязывает каждый бин (элемент покрытия) к конкретному поведению из спецификации, что позволяет диагностировать корневую причину каждого остаточного пробела.
Эксперименты проводились на 8 RTL-дизайнах без какого-либо вмешательства человека. GoGoTB показал 100% успех при генерации среды верификации. Среднее покрытие составило: 98,4% по строкам кода, 97,2% по ветвлениям, 97,0% по переключениям и 83,2% по функциональным сценариям.
Авторы подчеркивают, что ни одна предыдущая работа не достигала полной генерации верификационного окружения и значимого покрытия на тех же тестовых наборах. Это позволяет предположить, что агентные LLM-системы могут существенно сократить ручной труд инженеров по верификации на ранних стадиях проектирования.
Публикация размещена в архиве arXiv и пока не прошла полноценное рецензирование, однако описанные результаты выглядят многообещающими для развития автоматизации в микроэлектронике. Дальнейшие исследования могут быть направлены на масштабирование подхода к более сложным промышленным проектам.
