RefEvo: 협진 진화 검증을 통한 능동적 설계로 민첩한 참조 모델 생성

RefEvo: Agentic Design with Co-Evolutionary Verification for Agile Reference Model Generation

시스템 온 칩(SoC) 설계의 복잡성이 증가함에 따라, 초기 아키텍처 탐색 및 검증을 위한 고정밀 참조 모델(일반적으로 SystemC로 작성됨)의 신속한 개발이 필요합니다. 대규모 언어 모델(LLM)은 코드 생성에 유망한 결과를 보여주지만, 하드웨어 모델링에 적용될 때 다음과 같은 고유한 어려움에 직면합니다. (1) 경직되고 정적인 워크플로는 다양한 설계 복잡성에 적응하지 못하여 비효율성을 초래합니다. (2) 다중 턴 상호 작용에서 발생하는 컨텍스트 윈도우 오버플로는 중요한 사양을 잊어버리는 문제를 일으킵니다. (3) 생성된 테스트벤치(TB)가 결함이 있는 모델을 잘못 검증하는 '결합된 검증 실패' 문제는 신뢰성을 심각하게 저해합니다. 이러한 제한 사항을 해결하기 위해, 우리는 민첩하고 신뢰할 수 있는 참조 모델링을 위한 동적 다중 에이전트 프레임워크인 RefEvo를 소개합니다. RefEvo는 세 가지 주요 혁신을 특징으로 합니다. (1) 동적 설계 플래너는 설계 사양을 자율적으로 분해하고 의미적 복잡성에 따라 맞춤형 실행 워크플로우를 구성합니다. (2) 협진 진화 검증 메커니즘은 '변증법 중재자'를 사용하여 모델과 검증 로직을 동시에 사양(Spec) 오라클에 맞게 수정하여 오탐을 효과적으로 줄입니다. (3) 손실 없는 컨텍스트 압축을 위한 사양 고정 전략을 사용합니다. 20개의 다양한 하드웨어 모듈을 대상으로 평가한 결과, RefEvo는 95%의 성공률을 달성하여 정적 기준 모델보다 훨씬 뛰어난 성능을 보였습니다. 또한, 우리의 컨텍스트 최적화는 토큰 소비를 평균 71.04% 줄여 복잡한 설계에서 세션당 70,000개 이상의 토큰을 절약하면서도 100%의 사양 재현율을 유지합니다.

As the complexity of System-on-Chip (SoC) designs grows, the shift-left paradigm necessitates the rapid development of high-fidelity reference models (typically written in SystemC) for early architecture exploration and verification. While Large Language Models (LLMs) show promise in code generation, their application to hardware modeling faces unique challenges: (1) Rigid, static workflows fail to adapt to varying design complexity, causing inefficiency; (2) Context window overflow in multi-turn interactions leads to catastrophic forgetting of critical specifications; and (3) the Coupled Validation Failure problem--where generated Testbenches (TBs) incorrectly validate flawed models due to correlated hallucinations--severely undermines reliability. To address these limitations, we introduce RefEvo, a dynamic multi-agent framework designed for agile and reliable reference modeling. RefEvo features three key innovations: (1) A Dynamic Design Planner that autonomously decomposes design specifications and constructs tailored execution workflows based on semantic complexity; (2) A Co-Evolutionary Verification Mechanism, which employs a Dialectical Arbiter to simultaneously rectify the model and verification logic against the specification (Spec) oracle, effectively mitigating false positives; and (3) A Spec Anchoring Strategy for lossless context compression. Evaluated on a diverse benchmark of 20 hardware modules, RefEvo achieves a 95% pass rate, outperforming static baselines by a large margin. Furthermore, our context optimization reduces token consumption by an average of 71.04%, achieving absolute savings of over 70,000 tokens per session for complex designs while maintaining 100% specification recall.