基于大语言模型的测试向量自动生成系统设计与覆盖率优化.docxVIP

PAGE2

基于大语言模型的测试向量自动生成系统设计与覆盖率优化

摘要

随着集成电路设计复杂度的呈指数级增长，芯片验证环节已成为电子设计自动化（EDA）流程中的主要瓶颈。传统的测试向量生成方法多依赖于人工编写或基于约束的随机生成，面临开发周期长、覆盖率收敛慢等现实痛点。本课题旨在设计并实现一套基于大语言模型（LLM）的测试向量自动生成系统，通过自然语言处理与代码生成能力，自动产出高覆盖率的测试激励，从而提升验证效率。

本文遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进思路展开。首先，分析了验证工程师在测试向量编写中的核心诉求，明确了系统的功能与非功能需求。其次，采用B/S架构与分层设计思想，规划了代码解析、向量生成、仿真执行与覆盖率反馈四大核心模块。在详细设计阶段，提出了基于提示工程与覆盖率反馈的闭环迭代算法，并定义了规范的内外部接口。实现阶段利用Python与FastAPI构建后端，集成开源大语言模型与EDA仿真工具，完成了系统原型的开发。

本设计的核心创新点在于构建了“生成-仿真-反馈-再生成”的闭环优化机制。大语言模型不仅用于初始向量的生成，还能根据覆盖率报告自动修正提示词，实现测试向量的定向优化。测试结果表明，该系统能够有效提升代码覆盖率，显著降低人工验证成本，为智能EDA工具链的演进提供了有益探索。

第一章绪论

1.1研究背景

在现代半导体产业中，集