I Grafi di Conoscenza Migliorano l'IA Agente per la Verifica Formale
Un nuovo articolo su arXiv (2605.06434) propone l'uso di grafi di conoscenza (KG) per migliorare la verifica formale basata su IA agente. I modelli linguistici di grandi dimensioni (LLM) possono generare asserzioni SystemVerilog (SVA) da specifiche in linguaggio naturale, ma affrontano ambiguità, dettagli incompleti ed errori di sintassi. Il KG, costruito da rappresentazioni intermedie strutturate (IR) di specifiche, RTL e feedback degli strumenti formali (diagnostica sintattica, controesempi, report di copertura), collega il grounding specifica-RTL, riducendo discrepanze semantiche e fallimenti. Questo lavoro affronta i limiti del trattare specifiche e RTL come testo debolmente strutturato.
Fatti principali
- L'articolo arXiv 2605.06434 propone grafi di conoscenza per la verifica formale con IA agente.
- Gli LLM generano asserzioni SystemVerilog da specifiche in linguaggio naturale.
- Le specifiche sono spesso ambigue o incomplete.
- I dettagli micro-architetturali critici risiedono nel livello di trasferimento dei registri (RTL).
- Gli approcci esistenti trattano specifica e RTL come testo debolmente strutturato.
- Il grafo di conoscenza è costruito da rappresentazioni intermedie strutturate.
- Le IR sono estratte da specifica, RTL e feedback degli strumenti formali.
- Il feedback include diagnostica sintattica, controesempi e report di copertura.
Entità
Istituzioni
- arXiv