PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.26751v1cs.LG

EquivSVA: 동등한 RTL 구현 전반의 행동 단언 형식 검증 데이터셋

EquivSVA: A Formally Verified Dataset of Behavioral Assertions Across Equivalent RTL Implementations

대규모 언어 모델(LLM)은 자연어 명세와 레지스터 전송 수준(register-transfer-level, RTL) 설계로부터 SystemVerilog 단언(SystemVerilog Assertions)을 생성하는 데 점점 더 많이 사용된다. 기존 데이터셋과 벤치마크는 대규모 학습, 형식적 평가, 명세-단언 생성, 돌연변이 기반 테스트와 같은 중요한 목표를 지원한다. 이를 보완하는 필요는 생성된 단언이 외부에서 관측 가능한 행동을 포착하는지, 아니면 하나의 RTL 구현에 따른 부수적 세부사항에 의존하는지를 연구하는 것이다. 우리는 행동 패밀리(behavior family) 중심으로 구성된 형식 검증 데이터셋 EquivSVA를 제시한다. 각 패밀리는 동일한 외부 관측 가능 행동에 대한 네 가지 구조적으로 상이한 RTL 구현, 공유된 인터페이스 수준 골드 속성, 세 가지 통제된 돌연변이(mutant), 및 형식 검증 증거를 포함한다. EquivSVA는 12개 카테고리에 걸친 120개 행동 패밀리, 480개 참조 RTL 구현, 914개 골드 속성, 360개 돌연변이를 담는다. 모든 최종 패밀리는 RTL 동등성, 골드 속성 증명, 속성 도달 가능성(reachability), 돌연변이 구별 가능성, 돌연변이에 대한 골드 속성 검사를 포함하는 고정 17-job 검증 스위트를 통과한다. 또한 패밀리 단위로 안전한 고정 학습·개발·테스트 분할을 제공한다. 데이터셋이 가능하게 하는 분석의 소규모 시연으로, Apache-2.0 라이선스로 공개된 Qwen2.5-Coder-7B-Instruct 모델을 보류 테스트 분할에서 평가한다. 인터페이스만 사용해 생성된 293개 속성 중 93개가 형식적으로 건전(sound)하며, 건전한 속성의 개수는 24개 테스트 패밀리 중 14개에서 동등한 구현들 간에 달라진다. 이러한 결과는 행동 패밀리 구성이 의도된 기능 변경 없이 단언 생성 견고성(robustness)에 대한 통제된 연구를 지원할 수 있음을 보여 준다. 데이터셋, 생성기, 검증 스크립트, 사례 연구 산출물은 https://github.com/aditigupta96/EquivSVA 에서 공개된다.