지식 증강 LLM 에이전트를 통한 Shift-Left 고수준 합성 (HLS) 검증

고수준 합성 (High-Level Synthesis, HLS)은 C/C++ 프로그램을 하드웨어 구현으로 변환함으로써 신속한 하드웨어 개발을 가능하게 합니다. Golden C 사양과 HLS 지향적 C 구현 사이의 기능적 일관성 검증 (Functional consistency verification)은 HLS 설계 흐름에서 매우 중요하지만 노동 집약적인 작업입니다. 최근 대규모 언어 모델 (Large Language Models, LLMs)이 자동화된 테스트벤치 (testbench) 생성에서 가능성을 보여주었으나, 이들의 확률적 특성은 종종 불충분한 커버리지 (coverage), 일관되지 않은 검증 환경, 그리고 신뢰할 수 없는 동등성 확인 (equivalence checking) 결과로 이어집니다. 이러한 한계를 해결하기 위해, 본 논문에서는 합성 전 Golden C와 HLS-C 구현 간의 자동화된 기능적 일관성 확인을 위한 지식 증강 에이전트 기반의 Shift-Left 검증 프레임워크를 제안합니다. 이 프레임워크는 쌍을 이루는 테스트벤치 간의 정적 구조적 정렬 (static structural alignment)과 동적 동작 동등성 (dynamic behavioral equivalence)을 공동으로 강제하는 이중 계층 일관성 확인 (Dual-Tier Consistency Checking) 메커니즘을 도입하며, 검증 완결성을 높이기 위해 심볼릭 실행 (symbolic execution) 및 커버리지 기반 정제 (coverage-driven refinement)를 통합합니다. 또한, 테스트벤치 생성을 위한 토폴로지 인식 추론 사전 정보 (topology-aware reasoning priors)를 제공하기 위해 이기종 HLS 검증 지식 그래프 (HLS Verification Knowledge Graph)를 구축하고, 이기종 툴체인 전반에 걸쳐 반복적인 정제 및 실패 진단을 조율하는 자율 검증 에이전트를 설계합니다. 107개의 HLS 벤치마크 쌍에 대한 실험 결과, 제안된 프레임워크는 평균 98.26%의 커버리지와 95.33%의 동적 일관성을 달성하였으며, 이는 대표적인 AST 기반, 검색 증강 (retrieval-augmented), 그리고 반복적 에이전트 기반 (iterative agent-based) 베이스라인 모델들을 능가하는 성능입니다. https://github.com/cz-5f/HLS-LeVeri.git