Chinese contentVerify the Verifier:用 LLM 交叉检查 UVM 记分板漏掉的规格级 Bug
芯片验证团队值得看:UVM 回归全绿不等于没 bug。论文在四个 OpenTitan IP 上插入 564 个 bug,用 LLM 对照规格文档审查 trace,确认了 41 个记分板漏掉的违规,方法可直接套到自家 testbench。
芯片验证团队值得看:UVM 回归全绿不等于没 bug。论文在四个 OpenTitan IP 上插入 564 个 bug,用 LLM 对照规格文档审查 trace,确认了 41 个记分板漏掉的违规,方法可直接套到自家 testbench。
做芯片验证的朋友可以看看这篇。它把 LLM 限定在语义改写,位置选择交给确定性算法,token 用量比 BugGen 1.0 省 6.8-15.4 倍,还用抽样估算跳过六成以上仿真。需要大规模构造带 ground-truth 的 bug 数据集的团队会用得上。
The non-obvious takeaway is that grounding agents in a SQL layer outperforms brute-force context stuffing when data dwarfs the context window. Developers building agents over logs, traces or telemetry can copy this pattern: one SQLite file plus query-generating and auditing agents. Multi-agent decomposition bought measurable accuracy here, a design choice worth benchmarking on your own pipeline.
做芯片验证的朋友可以看看,这篇用 SQLite 加多智能体把波形调试从手动翻日志变成自然语言查询,150 条查询准确率 95% 以上。