Fugu-MT 論文翻訳(概要): CovR: Coverage-Aware Hardware Verification via Reasoning-Guided Reinforcement Learning

論文の概要: CovR: Coverage-Aware Hardware Verification via Reasoning-Guided Reinforcement Learning

arxiv url: http://arxiv.org/abs/2609.19189v2
Date: Sat, 19 Sep 2026 17:32:41 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-22 20:29:00.063931
Title: CovR: Coverage-Aware Hardware Verification via Reasoning-Guided Reinforcement Learning
Title（参考訳）: CovR:Reasoning-Guided Reinforcement Learningによる包括的ハードウェア検証
Abstract要約: CovRは自動テストベンチ生成のためのエージェントフレームワークで、自己回帰ループとシミュレーションベースのフィードバックを組み合わせてカバレッジを最大化する。本研究では,テストベンチ生成のための強化学習フレームワークを提案し,シミュレーションとカバレッジフィードバックから得られるツールベースの報酬を利用して,学生モデルを最適化する。
参考スコア（独自算出の注目度）: 3.147897243459717
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Design verification remains one of the most resource-intensive stages of hardware development, often consuming up to 70% of the total design effort. While recent work has explored using Large Language Models (LLMs) to automate testbench generation, most existing approaches focus narrowly on functional correctness, overlooking the critical aspect of coverage quality. To bridge this gap, we present CovR, an agentic framework for automated testbench generation that combines self-reflection loops with simulation-based feedback to maximize coverage. Using this pipeline, we construct a large-scale dataset of 16,514 natural specification RTL reasoning testbench tuples with a strong teacher model, enabling coverage-aware supervision. Building on this, we propose a reinforcement learning (RL) framework tailored for coverage-driven testbench generation, leveraging tool-derived rewards from simulation and coverage feedback to optimize a student model. Experimental results show that the CovR finetuned model achieves 93.81% cov@10 on VerilogEval and RTLLM V2.0, and 87.76% cov@10 on CVDP, outperforming state-of-the-art approaches by 7.97% and 3.59%, respectively. Furthermore, deploying the finetuned model back into the agentic refinement pipeline further improves cov@10 to 94.27% on VerilogEval and RTLLM V2.0 and 91.39% on CVDP. Moreover, when integrated as a plug-in stimulus engine for full verification workflows, CovR improves coverage by 18.95% and mutation detection score by 1.19%, while revealing 4.46% undetected failures, highlighting the importance of optimizing for coverage in LLM-based hardware verification.
Abstract（参考訳）: 設計検証は、ハードウェア開発において最も資源集約的な段階の1つであり、設計全体の70%を消費することが多い。最近の研究では、テストベンチ生成を自動化するためにLarge Language Models (LLMs) を用いて検討されているが、既存のアプローチのほとんどは、カバレッジ品質の重要な側面を見越して、機能的正確性に焦点を絞っている。このギャップを埋めるために,自己回帰ループとシミュレーションに基づくフィードバックを組み合わせてカバレッジを最大化する自動テストベンチ生成のためのエージェントフレームワークであるCovRを提案する。このパイプラインを用いて、16,514の自然仕様RTL推論タプルの大規模データセットを構築し、強力な教師モデルにより、カバレッジを意識した監視を可能にする。そこで本研究では,テストベンチ生成のための強化学習(RL)フレームワークを提案する。実験結果から,VerilogEvalでは93.81%のcov@10,CVDPでは87.76%のcov@10が得られた。さらに、微調整されたモデルをエージェント精製パイプラインに戻すことで、VerilogEvalとRTLLM V2.0でcov@10が94.27%、CVDPで91.39%向上する。さらに、完全な検証ワークフローのためのプラグイン刺激エンジンとして統合されると、CovRはカバレッジを18.95%改善し、突然変異検出スコアを1.19%改善し、4.46%の未検出障害を明らかにし、LLMベースのハードウェア検証におけるカバレッジの最適化の重要性を強調した。

関連論文リスト

Exploiting Verification-Generation Gap: Test-Time Reinforcement Learning with Confidence-Conditioned Verification [41.12429744792745]
テスト時強化学習は、大規模言語モデルの推論能力を高めるための有望なパラダイムとして登場した。本稿では,TTRL-CoCoV(Test-Time Reinforcement Learning with Confidence-Conditioned Verification)を提案する。
論文参考訳（メタデータ） (2026-06-02T13:11:09Z)
Rewarding the Scientific Process: Process-Level Reward Modeling for Agentic Data Analysis [68.28714988482703]
プロセス・リワード・モデル(PRM)は、LLM(Large Language Models)の推論能力を増強することに成功した。本稿では,一般ドメインのPRMがデータ分析エージェントの監督に苦慮していることを示す。本稿では,新しい環境対応生成プロセス報酬モデルであるDataPRMを紹介する。
論文参考訳（メタデータ） (2026-04-27T09:00:30Z)
ContextRL: Enhancing MLLM's Knowledge Discovery Efficiency with Context-Augmented RL [64.77036363086519]
本稿では,これらのボトルネックを克服するためにコンテキスト拡張を利用する新しいフレームワークContextRLを提案する。提案手法は,プロセス検証のきめ細やかな検証によって偽陽性を除去し,完全な参照ソリューションをコンテキストとして提供する。また,前述した全負の集団からの正解を「回収」する方針を導いて,報酬モデルが失敗に対する誤報を生成するマルチターンサンプリング戦略も導入する。
論文参考訳（メタデータ） (2026-02-26T04:55:57Z)
CVeDRL: An Efficient Code Verifier via Difficulty-aware Reinforcement Learning [57.24524263804788]
コード検証は、LLMベースのコード生成の検証後において重要な役割を果たす。既存の教師付き微調整手法は、データの不足、高い失敗率、推論効率の低下に悩まされている。機能的な報酬しか持たない単純RLは、難しいブランチやサンプルに対して効果的な単体テストを生成することができないことを示す。
論文参考訳（メタデータ） (2026-01-30T10:33:29Z)
OPV: Outcome-based Process Verifier for Efficient Long Chain-of-Thought Verification [91.15649744496834]
本稿では、長い思考の連鎖から要約された結果の合理化過程を検証する、アウトカムベースプロセス検証(OPV)を提案する。 OPV は 76.3 と比較して F1 スコアが 83.1 の Qwen3-Max-Preview など,はるかに大きなオープンソースモデルよりも優れています。
論文参考訳（メタデータ） (2025-12-11T15:47:38Z)
Long-horizon Reasoning Agent for Olympiad-Level Mathematical Problem Solving [65.02106674311908]
本稿では,マルチラウンド階層的推論を行う長期水平数学エージェントであるIntern-S1-MOを紹介する。コンパクトメモリをレムマの形で維持することにより、Intern-S1-MOはレムマリッチ推論空間をより自由に探索することができる。実験の結果、インターンS1-MOはIMO2025の非幾何学的問題で35点中26点を得ることができ、銀メダリストのパフォーマンスに匹敵することがわかった。
論文参考訳（メタデータ） (2025-12-11T15:26:28Z)
Klear-Reasoner: Advancing Reasoning Capability via Gradient-Preserving Clipping Policy Optimization [17.149024413701014]
Klear-Reasonerは、長い推論能力を持つモデルで、問題解決時に慎重に検討する。本報告では、学習後のワークフロー全体を網羅した推論モデルの詳細分析を行う。
論文参考訳（メタデータ） (2025-08-11T05:17:51Z)
Rethinking Verification for LLM Code Generation: From Generation to Testing [44.46778801679273]
大規模言語モデル(LLM)は最近、HumanEvalやLiveCodeBenchといったコード生成ベンチマークで顕著な成功を収めた。本稿では,テストスーツの厳密な定量化を目的とした新しい多次元メトリクスを提案する。実験の結果、SAGAは90.62%、検証器の精度はTCGBenchで32.58%に達することがわかった。
論文参考訳（メタデータ） (2025-07-09T14:58:47Z)
Co-Evolving LLM Coder and Unit Tester via Reinforcement Learning [48.66688117533318]
本稿では,専用の報酬設計を備えた新しい強化学習フレームワークCUREを提案する。 CUREは、その相互作用の結果に基づいて、コーディングと単体テスト生成機能を共進化させる。我々のモデルは,ベースモデルに基づく強化学習に有効な報奨モデルとして機能することを発見した。
論文参考訳（メタデータ） (2025-06-03T17:58:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。