研究人员推出HierSVA,一个旨在利用大型语言模型(LLMs)增强硬件设计的形式化验证的综合系统。该系统包括一个从层次化RTL代码生成SystemVerilog Assertions (SVA)的管道、一个包含342个模块及其相关错误变体和自然语言规范的数据集,以及一个用于评估LLM在此任务上性能的基准。对十二个LLM的初步评估显示,模块级编译率为67.1%,生成的断言有82.1%的时间被证明是非平凡的,但仅检测到36.2%的注入故障。虽然代理模式在可证明性和强度指标上有所提高,但增益并不一致。 AI
影响 这项研究引入了一个新的基准和数据集,用于评估LLM在硬件验证中的应用,有望提高设计质量并缩短验证时间。
排序理由 这是一篇研究论文,详细介绍了一个用于LLM驱动的硬件验证的新系统和基准。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →