지식 증강 LLM 에이전트를 통한 Shift-Left 고수준 합성 검증

고수준 합성 (High-Level Synthesis, HLS)은 원래의 C 명세(specifications)를 합성 가능한 HLS 지향적 C (HLS-C) 구현체로 변환하는 것에 의존합니다. 원래의 C 명세와 HLS-C 구현체 사이의 기능적 일관성 검증은 HLS 설계 흐름에서 매우 중요하지만 노동 집약적인 작업입니다. 최근 대규모 언어 모델 (Large Language Models, LLMs)이 자동화된 테스트벤치 생성에서 가능성을 보여주었으나, 이들의 확률적 특성은 종종 불충분한 커버리지, 일관되지 않은 검증 환경, 그리고 신뢰할 수 없는 등가성 확인 (equivalence checking) 결과로 이어집니다. 이러한 한계를 해결하기 위해, 본 논문에서는 합성 전 원래의 C와 HLS-C 구현체 사이의 자동화된 기능적 일관성 확인을 위한 지식 증강 에이전트 기반의 shift-left 검증 프레임워크를 제안합니다. 이 프레임워크는 쌍을 이루는 테스트벤치 간의 정적 구조 정렬 (static structural alignment)과 동적 동작 등가성 (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 정교화 (coverage-driven refinement)를 통합합니다. 또한, 테스트벤치 생성을 위한 토폴로지 인식 추론 사전 지식 (topology-aware reasoning priors)을 제공하기 위해 이기종 HLS 검증 지식 그래프 (heterogeneous HLS Verification Knowledge Graph)를 구축하고, 이기종 툴체인 전반에 걸쳐 반복적인 정교화 및 실패 진단을 조율하는 자율 검증 에이전트를 설계합니다. 107개의 HLS 벤치마크 쌍에 대한 실험 결과, 제안된 프레임워크는 평균 0.9826의 커버리지와 0.9533의 동적 일관성을 달성하였으며, 이는 대표적인 AST 기반, 검색 증강 (retrieval-augmented), 그리고 반복적 에이전트 기반 베이스라인 모델들을 능가하는 성능입니다. https://github.com/cz-5f/HLS-LeVeri.git