Spec2Cov：基于智能体框架的数字硬件覆盖率闭合自动化方案

Spec2Cov是基于智能体框架的数字硬件覆盖率闭合自动化方案，通过大语言模型自动生成测试激励，实现从设计规格到覆盖率闭合的自动化流程。该方案解决硬件验证中覆盖率闭合依赖人工、周期漫长的痛点，在简单设计上达成100%覆盖率，为芯片验证自动化提供全新技术路径。

硬件验证是芯片设计流程中最具挑战性的环节之一，验证周期通常占据芯片开发周期的50%以上，其中覆盖率闭合环节以人工操作为主，过程缓慢且劳动密集。近年大语言模型在代码生成领域能力突出，通过与外部工具集成构建智能体工作流，为自动化覆盖率闭合提供了新的技术方向，Spec2Cov框架正是基于此思路诞生。

核心架构

Spec2Cov的核心是闭环反馈系统，协调大语言模型与硬件模拟器交互：输入设计规格→LLM生成初始测试激励→模拟器执行编译与仿真→错误捕获反馈修正→解析覆盖率报告→迭代优化至目标。

关键机制

• 智能错误处理：分类解析编译/仿真错误，结构化反馈给LLM针对性修正；
• 覆盖率报告解析：将多维度覆盖率数据转化为自然语言描述，指导LLM调整测试策略；

无需微调的增强策略

包括上下文增强（注入历史迭代信息）、覆盖率引导提示工程、多轮对话生成策略、错误模式学习（维护常见错误库快速应用解决方案）。

研究团队在26个不同规模设计（含CVDP基准测试套件）评估：

• 简单设计：成功实现100%覆盖率闭合；
• 复杂设计：最高达成49%覆盖率，虽未完全覆盖，但生成的测试激励为人工验证提供良好起点，大幅缩短验证时间。

Spec2Cov代表硬件验证自动化领域重要进展，结合LLM代码生成能力与硬件仿真精确反馈，开创全新验证范式。

• 芯片行业：提升验证效率，解放工程师至创造性策略设计与复杂场景分析；
• EDA生态：展示AI原生验证工具可能性，未来将形成人AI协作模式，AI承担机械性工作，人类负责监督与关键决策。

当前版本在复杂设计上的覆盖率仍有提升空间，未来改进方向包括：

• 引入强化学习优化测试生成策略；
• 支持更多类型覆盖率指标（如功能覆盖率）；
• 扩展至系统级验证场景； 同时需确保生成测试的可解释性与可维护性，方便工程师调试。