arXiv cs.AI· Hao Zheng, Jaime Rafael Imperial, Bardia Nadimi, Xiangfei Kong·· 9 天前AI 评分24
LLM 集成硬件设计验证综述
A Survey on LLM-Integrated Hardware Design Verification
AI 导读
一篇综述系统梳理了 LLM 辅助硬件功能验证的研究，覆盖 SystemVerilog 断言生成、激励与测试平台生成、缺陷定位与设计修复、模型检测与等价性检查、SAT/SMT 优化及新兴的智能体验证流程。综述指出 LLM 最适合作为验证流程中的语义推理、搜索与编排组件，而模拟器、形式化引擎、覆盖率工具和求解器提供可执行反馈与正确性证据；工具通过检查并不等于验证正确。
正文 · AI 翻译
摘要：大型语言模型（LLM）正日益被集成到硬件验证中，以自动化规范解读、验证工件生成、调试、形式推理和工具编排。本综述系统回顾了 LLM 辅助的硬件功能验证，涵盖 SystemVerilog 断言生成、激励与测试平台生成、缺陷定位与设计修复、模型检测与等价性检测、SAT/SMT 优化以及新兴的智能体验证工作流。我们按方法论、验证目标、工具交互、基准和评估标准对文献进行组织，并考察推理时技术——包括提示、检索、结构化推理和智能体工作流——以及训练时适配。在这些领域中，一个共同模式浮现出来：LLM 作为语义推理、搜索和编排组件嵌入验证感知工作流时最为有效，而模拟器、形式引擎、覆盖率工具和求解器则提供可执行反馈和正确性证据。然而，仅靠工具接受并不能确立验证正确性，因为断言、测试、修复或证明可能满足现有检查，却未能忠实捕捉完整的设计意图。因此，我们指出规范与验证证据之间的语义对齐、与确定性工具的可扩展集成、对未见设计的泛化，以及对正确性、成本、鲁棒性和人力投入的严格评估是关键挑战。最后，我们讨论面向以规范为中心、神经符号和持久智能体验证系统的新兴方向，这些系统将 LLM 的灵活性与可独立检查的验证证据相结合。
| 主题： | 硬件架构（cs.AR）；人工智能（cs.AI）；软件工程（cs.SE） |
| 引用为： | arXiv:2610.10580 [cs.AR] |
| （或 arXiv:2610.10580v1 [cs.AR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.10580 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Xiangfei Kong [查看电子邮件]
[v1]
2026年10月6日星期二 03:20:59 UTC（1,499 KB）
来源：arXiv cs.AI · arxiv.org