DeepVerifier：学习更新测试序列以实现基于覆盖率的验证

《ACM Transactions on Design Automation of Electronic Systems》：DeepVerifier: Learning to Update Test Sequences for Coverage-Guided Verification

提出DeepVerifier框架，结合数据驱动学习和语言模型优化覆盖导向的测试生成，有效提升处理器验证效率与覆盖率。实验证明其能准确预估测试序列覆盖度并生成高质量更新序列，为现代处理器可靠性验证提供新方法。

　　

摘要

验证对于确保现代复杂计算系统的可靠运行至关重要。然而，随着处理器设计的日益复杂，传统的静态验证技术难以生成能够实现全面覆盖的高质量测试序列。基于动态仿真的方法利用覆盖驱动的目标，可以提高对处理器正确功能的信心，但由于生成冗余测试序列和较大的计算开销，这些方法的验证效率往往较低。为了解决这些问题，本文提出了一种名为DeepVerifier的新颖覆盖引导测试生成框架，该框架利用数据驱动的方式学习现有测试序列及其相关的覆盖反馈。DeepVerifier使用语言模型来学习测试序列的语义表示，确保遵循语法规范，并估计测试序列与覆盖分数之间的关系。通过更新具有更高覆盖率的测试序列，DeepVerifier可以显著提高验证过程的效率和效果。对一个乱序RISC-V微处理器的验证实验结果表明，该框架能够准确估计测试序列的覆盖分数，并更新出高质量、有助于提高覆盖率的测试序列。这种覆盖引导的测试生成技术有望提升现代处理器设计的可靠性。