현대 프로세서 검증은 전통적인 변이 기반(mutation-based) 퍼징의 비효율성 때문에 깊은 아키텍처 상태에 도달하는 데 어려움을 겪습니다. 우리는 HiFuzz라는 새로운 계층적 강화학습 (hierarchical reinforcement learning, HRL) 프레임워크를 제안합니다. 이 프레임워크는 변이(mutation) 과정을 구조화된 두 계층의 생성 과정으로 대체합니다. 첫 번째는 전역 레이아웃을 담당하는 프로그램 에이전트(Program Agent)이고, 두 번째는 정밀한 명령어 채우기를 담당하는 기본 블록 에이전트(Basic Block Agent)입니다. 보상 희소성(reward sparsity) 문제를 극복하기 위해, HiFuzz는 적응형 커버리지 보상 메커니즘과 본질적인 피드백을 제공하는 의미론적 인식 기본 블록 인코더를 통합합니다. 세 가지 실제 RISC-V 코어에 대한 광범위한 평가 결과, HiFuzz가 커버리지와 버그 탐지 측면에서 최신 기술의 퍼저(fuzzer)보다 현저히 우수함을 입증했습니다.