현대 칩의 복잡성이 증가함에 따라 하드웨어 검증은 중대한 과제에 직면하고 있습니다. 최근 몇 년 동안, 커버리지 가이드 퍼징(coverage-guided fuzzing)이 검증 효율성을 개선하는 유망한 접근 방식으로 부상했습니다. 그러나 기존의 하드웨어 퍼저들은 테스트 대상 설계(DUT)의 내부 로직과 의미론적 동작에 대해 추론할 수 있는 능력이 제한적인 휴리스틱 전략에 주로 의존하기 때문에, 여전히 높은 커버리지를 달성하고 엣지 케이스 버그를 노출하는 데 어려움을 겪고 있습니다. 본 논문에서는 대규모 언어 모델(LLM)의 의미론적 추론 능력을 활용하여 퍼징 효과성을 개선하는 하드웨어 퍼징 프레임워크인 ChipFuzzer를 제안합니다. ChipFuzzer는 커버리지 가이드 단계와 버그 가이드 단계를 포함하는 2단계 워크플로우를 채택합니다. 커버리지 가이드 단계에서, ChipFuzzer는 제어 흐름 유사성 및 불일치 분석을 사용하여 LLM 기반 테스트 케이스 생성을 유도함으로써 커버리지를 개선합니다. 버그 가이드 단계에서는, ChipFuzzer가 과거 버그 데이터를 활용하여 버그 발생 가능성이 높은 코드 영역을 식별하고 해당 영역에 대한 테스트 케이스 생성을 우선순위화함으로써 버그 발견 효율성을 높입니다. 세 가지 오픈 소스 CPU 설계에 대한 실험 결과는 ChipFuzzer가 가장 강력한 기준선 대비 평균 조건 커버리지를 5.8 퍼센트 포인트, 버그 탐지율을 21.1 퍼센트 포인트 향상시켰음을 보여줍니다.