智能体框架能自动完成芯片设计验证与波形调试吗？

多数 LLM 硬件研究绕开了波形调试

论文把自身贡献放在现有研究的不平衡之上。约 74.6% 的 LLM 硬件研究集中在从前端 RTL 代码生成与综合，而仿真后波形调试和动态验证仍基本未被探索。验证本身占开发周期 70% 以上，因此这不是一个边缘性的遗漏。

作者认为原因在于基础设施，而非模型能力不足。当动态仿真失败时，工程师要在图形化波形查看器中翻查数 TB 的时间转储，把非法跳变回溯到 HDL 层次结构中的源头。原始 ASCII 波形转储超出模型上下文窗口数个数量级，不携带结构化语义索引，也不提供自主智能体可调用的原生低延迟查询接口。论文把这一障碍称为基础设施阻抗。

波形被转成两张表的关系型数据库

BTTF 的离线预处理流水线从专有二进制波形（.fsdb）或 ASCII 值变化转储（.vcd）文件中提取目标层次结构，并将其规范化为名为 waves.db 的 SQLite 数据库。对于 SoC 规模的模块，原始 VCD 文本文件通常超过 10 GB，因此直接嵌入上下文并不可行。

该模式有两张主表。signal_metadata 记录静态信号声明，例如 RTL 信号名和变量类型，每条带一个 id。signal_changes 以带时间戳的 (time, value) 跳变记录时序行为，并通过外键指回元数据。把信号是谁与信号做什么分开，使智能体可以独立地对结构和时间进行推理，只在查询需要时才把两者连接起来。

由于把每一次值变化都朴素地转换，只会把可扩展性问题从文件系统搬进数据库，流水线在即时生成过程中应用覆盖感知剪枝。时钟剪枝在插入时跳过高频时钟跳变，因为 signal_changes 中每一行都带时间戳，时间锚定得以保留。非活跃信号剪枝使用哈希映射（vcd_id_to_db_id）和每信号跳变计数器，丢弃静态静默的零跳变连线（ZERO），或进一步丢弃跳变率低于设计整体平均值的连线（AVG）。通过 SQL EXECUTEMANY 的批量插入避免了逐行事务开销。

激进剪枝换来速度却损失跳变覆盖

预处理权衡被直接测量。完全未剪枝的数据库占用 1,420 MB，查询响应 410.5 ms，保留 100.00% 覆盖。仅移除时钟插入就把占用缩小 66.20% 至 480 MB，并把查询延迟降低 3.28 倍至 125.2 ms，同时保留 98.51% 的功能跳变覆盖。

剪除未跳变信号把缩减推到 72.18%（395 MB，94.8 ms），同时保留对活跃连线的完整覆盖。最激进的低于平均值剪枝压缩最多，降至 185 MB 和 41.6 ms，但牺牲 35.77% 的覆盖，作者将其标记为安全缩减的边界。在摄取侧，批量插入相比单行插入把数据库生成加速最多 2.89 倍，消除了多 TB 波形的 I/O 瓶颈。

实际解读是：时钟移除和零跳变剪枝是安全的操作点，而低于平均值剪枝则是覆盖损失大到足以产生影响的区间。

四个智能体分担规划、查询、检查与审计

在 waves.db 之上，BTTF 运行协作式多智能体架构。主编排智能体把自然语言查询分解为子目标，将其路由到拥有各自工具集的专门智能体，并审计合并后的答案。

分析智能体在两张表上组合 SQLite 查询，用于作用域发现、事件检查和跳变计数，并对功耗热点检测等多轮任务使用迭代式函数调用循环。验证智能体通过正则表达式赋值评估 SVA 规则（ASSERT、ASSERT_STATIC、ASSERT_NEVER、ASSERT_KNOWN、COVER），把波形异常与版本受控的源码关联起来。评估智能体在返回任何根因分析之前，按五项标准审计候选查询：过滤、聚合和连接与用户意图一致的正确性；所需列和时间条件的完整性；索引与避免冗余连接的效率；对两张表模式的严格遵循；以及对隐含仿真时间尺度和层次作用域的正确推断。

智能体仅通过跨轮次维护的动态会话上下文通信，自纠错循环处理失败查询。当断言规则即使在自纠错后仍被违反时，智能体会定位确切的违规时间戳，并 pinpoint 导致失败的子信号。

基础查询近乎完美，验证类任务偏低

基准覆盖多个复杂度不同的 SoC 设计层次结构，取自 4.2 GB 的 VCD 和 18,450 条连线，仿真窗口从窄至 50 ns 的高分辨率毛刺调试窗口到 800 ns 的完整事务转储。所有智能体通过 Gemini API 提供服务，默认模型为 Gemini-2.5-Pro。150 条自然语言验证查询各配有一个专家标注的标准答案。

准确率因任务类型而异。作用域/连线发现、值变化计数和事件时序检查均达到 100.00%。值检查达到 95.00%，跳变覆盖 91.67%，功耗热点 91.67%，动态 SVA 检查 90.91%。RTL 归属最低，为 87.50%，静态 SVA 检查为 84.62%。95.33% 的整体数字是这些类别的汇总，因此不应把标题数字读作各类验证任务上的均匀表现。

专门化以 1.96 倍延迟换取 17.3% 质量提升

论文把其协作架构与单体单智能体设计进行比较，由自动评分器按评估智能体的五项标准评判输出。单体智能体原始响应时间更快，但经常出现上下文杂乱、模式幻觉，以及多跳验证任务上因果追踪退化，在评估审计中仅得 3.35/5.00。

BTTF 把感知模式的 SQL 生成与 RTL 源码检查和评估解耦，获得高 17.3% 的推理质量得分和近乎完美的执行准确率。这种专门化委派带来平均 1.96 倍的延迟开销，作者将其描述为在生产 EDA 工作流中确保稳健、无幻觉验证的务实且必要的权衡。

这一比较之所以重要，是因为它区分了两种不同的度量：原始响应速度有利于单智能体，而经审计的推理质量有利于多智能体设计。优化延迟的读者与优化有据可依的根因分析的读者，会从同一实验中得出不同结论。

瓶颈在数据基础设施而非模型规模

作者的论点是：智能体波形调试的约束性瓶颈是数据基础设施，而非模型能力。把 TB 级波形重塑为紧凑、厂商无关的关系型模式，把棘手的上下文问题变成常规的文本到 SQL 问题，编排引擎则把这种访问转化为有据可依、经审计的根因分析。

范围条件很明确。基准覆盖多个 SoC 设计层次结构，但仿真窗口为 50 ns 至 800 ns，并非全芯片运行。作者把流式摄取、标准化作用域路径归一化，以及波形到 RTL 的符号索引列为扩展到更大全芯片设计的自然下一步，而评估更大的前沿推理模型以处理这些存储上的多跳因果追踪仍是未来工作。该方案也被提出可扩展到波形之外的回归日志、覆盖率数据库和功耗轨迹，但这一扩展是提议而非已证明。

这篇论文中最具决策相关性的区分在于预处理策略，而非模型之间。时钟移除和零跳变剪枝分别保留 98.51% 和 100.00% 的覆盖，同时把占用削减 66.20% 和 72.18%，而低于平均值剪枝为最大压缩损失 35.77% 的覆盖。对于任何决定如何让波形数据可供智能体使用的人，决定所得数据库是否仍支持所提调试问题的，是这个覆盖阈值，而不是 95.33% 的标题数字。

本文引用的文献