软件学报

作者：李晓鹏，闫明，樊兴宇，唐振韬，开昰雄，郝建业，袁明轩，陈俊洁

单位：李晓鹏，天津大学 智能与计算学部, 天津 30035011,闫明，天津大学 智能与计算学部, 天津 30035002,樊兴宇，天津大学 智能与计算学部, 天津 30035003,唐振韬，华为技术有限公司 诺亚方舟实验室, 广东 深圳 51812904,开昰雄，华为技术有限公司 诺亚方舟实验室, 广东 深圳 51812905,郝建业，天津大学 智能与计算学部, 天津 300350;华为技术有限公司 诺亚方舟实验室, 广东 深圳 51812906,袁明轩，华为技术有限公司 诺亚方舟实验室, 广东 深圳 51812907,陈俊洁，天津大学 智能与计算学部, 天津 30035008

关键词：芯片设计程序测试;大语言模型;测试用例生成

基金：国家自然科学基金(62322208); 华为高校合作项目

在当今智能化的时代背景下, 芯片作为智能电子设备的核心组件, 在人工智能、物联网、5G通信等诸多领域发挥着关键作用, 保障芯片的正确性、安全性和可靠性至关重要. 在芯片的开发流程中, 开发人员首先需要利用硬件描述语言, 将芯片设计实现成软件形式(即芯片设计程序), 然后再进行物理设计并最终流片(即生产制造). 作为芯片设计制造的基础, 芯片设计程序的质量直接影响了芯片的质量. 因此, 针对芯片设计程序的测试具有重要研究意义. 早期的芯片设计程序测试方法主要依赖开发人员人工设计测试用例来测试芯片设计程序, 往往需要大量的人工成本和时间代价. 随着芯片设计程序复杂度的日益增长, 诸多基于仿真的自动化芯片设计程序测试方法被提出, 提升了芯片设计程序测试效率及有效性. 近年来, 越来越多的研究者致力于将机器学习、深度学习和大语言模型(LLM)等智能化方法应用于芯片设计程序测试领域. 调研88篇智能化芯片设计程序测试相关的学术论文, 从测试输入生成、测试预言构造及测试执行优化这3个角度对智能化芯片设计程序测试已有成果进行整理归纳, 重点梳理芯片设计程序测试方法从机器学习阶段、深度学习阶段到大语言模型阶段的演化, 探讨不同阶段方法在提高测试效率和覆盖率、降低测试成本等方面的潜力. 同时, 介绍芯片设计程序测试领域的研究数据集和工具, 并展望未来的发展方向和挑战.

来源：2025年第6期

《软件学报》期刊编辑部

查看软件学报杂志2025年第6期