Clover: RTL 버그 수정을 위한 신경-기호 에이전트 시스템
요약
RTL(Register Transfer Level) 프로그램 수정은 하드웨어 설계 및 검증의 핵심 병목 지점입니다. 기존 자동 프로그램 수정(APR) 방식은 템플릿에 의존하여 버그 커버리지가 제한적이며, LLM 기반 에이전트는 긴 RTL 코드와 파형 처리 시 무작위성이나 컨텍스트 손실 문제가 발생합니다. 본 논문에서 제안하는 Clover는 신경-기호(Neural-Symbolic) 에이전트 시스템으로, 버그 해결을 구조화된 탐색 과정으로 만듭니다. 특히 '확률적 사고의 트리 (Stochastic Tree-of-Thoughts)'를 채
핵심 포인트
- Clover는 RTL 수정을 위한 신경-기호(Neural-Symbolic) 에이전트 시스템입니다.
- 이는 구조화된 탐색을 통해 버그 해결 과정을 체계적으로 관리합니다.
- 핵심 기술인 확률적 사고의 트리 (Stochastic Tree-of-Thoughts)를 사용하여 탐색과 활용 사이의 균형을 맞춥니다.
- RTL-repair 벤치마크에서 기존 방식 대비 월등한 성능(96.8% 버그 수정율 등)을 입증했습니다.
하드웨어 설계 과정에서 RTL(Register Transfer Level) 프로그램 수정은 매우 중요한 과제입니다. 하지만 기존의 자동 프로그램 수정(APR) 방법들은 정해진 템플릿에 의존하여 커버 범위가 제한적이라는 한계가 있습니다.
최근 LLM 기반 코딩 에이전트들이 유연성을 제공하지만, 긴 RTL 코드나 복잡한 파형을 다룰 때는 무작위성이나 컨텍스트 손실 문제가 발생하기 쉽습니다. 이에 본 연구에서는 Clover라는 신경-기호(Neural-Symbolic) 에이전트 시스템을 제안합니다.
Clover는 버그 해결 과정을 구조화된 탐색 문제로 접근하여, 검증 가능한 솔루션을 찾아냅니다. 이 시스템은 다양한 수정 작업에 따라 최적의 전략을 동적으로 선택하며, 전문 LLM 에이전트나 기호 기반 솔버(symbolic solvers)에게 작업을 분배합니다.
가장 핵심적인 기술은 '확률적 사고의 트리 (Stochastic Tree-of-Thoughts)'입니다. 이는 테스트 시점에 메인 에이전트의 컨텍스트를 탐색 트리로 관리하여, 무작위성 속에서 가장 신뢰할 수 있는 결과를 얻도록 균형을 맞춥니다.
실제 RTL-repair 벤치마크 평가 결과, Clover는 고정된 시간 내에 96.8%의 버그를 수정했습니다. 이는 순수 전통 방식이나 LLM 기반 방식보다 훨씬 높은 성능으로, 시스템의 신뢰성과 효과성을 입증합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AR의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기