ChatSVA: 작업별 LLM을 활용한 하드웨어 검증을 위한 SVA 자동 생성 기술

ChatSVA: Bridging SVA Generation for Hardware Verification via Task-Specific LLMs

기능 검증은 IC 개발 주기에서 50% 이상을 차지하며, SystemVerilog Assertion(SVA)은 형식적 속성 검증 및 시뮬레이션 기반 디버깅을 위해 필수적입니다. 그러나 수동으로 작성된 SVA는 노동 집약적이고 오류가 발생하기 쉽습니다. 대규모 언어 모델(LLM)은 유망하지만, 낮은 기능 정확도와 도메인 특화 데이터 부족으로 인해 직접적인 활용에 어려움이 있습니다. 이러한 문제를 해결하기 위해, 저희는 다중 에이전트 프레임워크를 기반으로 구축된 SVA 자동 생성 시스템인 ChatSVA를 소개합니다. ChatSVA의 핵심은 AgentBridge 플랫폼으로, 이 플랫폼은 체계적으로 고품질 데이터 세트를 생성하여, 적은 데이터로 학습하는 환경에서 발생하는 데이터 부족 문제를 해결합니다. 24개의 RTL 디자인에 대해 ChatSVA를 평가한 결과, 98.66%의 구문 정확도와 96.12%의 기능 정확도를 달성했으며, 디자인당 평균 139.5개의 SVA를 생성하여 82.50%의 기능 커버리지를 확보했습니다. 이는 이전 최고 성능(SOTA)에 비해 기능 정확도가 33.3% 포인트 향상되었고, 기능 커버리지가 11배 이상 증가한 결과입니다. ChatSVA는 자동 SVA 생성 분야에서 새로운 SOTA를 제시할 뿐만 아니라, 적은 데이터로 학습하는 도메인 특화 환경에서 발생하는 복잡한 추론 문제를 해결하기 위한 강력한 프레임워크를 구축했습니다. ChatSVA는 https://www.nctieda.com/CHATDV.html 에서 공개적으로 사용 가능합니다.

Functional verification consumes over 50% of the IC development lifecycle, where SystemVerilog Assertions (SVAs) are indispensable for formal property verification and enhanced simulation-based debugging. However, manual SVA authoring is labor-intensive and error-prone. While Large Language Models (LLMs) show promise, their direct deployment is hindered by low functional accuracy and a severe scarcity of domain-specific data. To address these challenges, we introduce ChatSVA, an end-to-end SVA generation system built upon a multi-agent framework. At its core, the AgentBridge platform enables this multi-agent approach by systematically generating high-purity datasets, overcoming the data scarcity inherent to few-shot scenarios. Evaluated on 24 RTL designs, ChatSVA achieves 98.66% syntax and 96.12% functional pass rates, generating 139.5 SVAs per design with 82.50% function coverage. This represents a 33.3 percentage point improvement in functional correctness and an over 11x enhancement in function coverage compared to the previous state-of-the-art (SOTA). ChatSVA not only sets a new SOTA in automated SVA generation but also establishes a robust framework for solving long-chain reasoning problems in few-shot, domain-specific scenarios. An online service has been publicly released at https://www.nctieda.com/CHATDV.html.