في عصر يتسم بالتطور السريع لتقنيات الذكاء الاصطناعي، تشهد عملية التحقق الرسمي (Formal Verification) تحولاً جذرياً بفضل المبادرات الجديدة مثل FVRuleLearner. هذا النظام الجديد يستفيد من النماذج اللغوية الكبيرة (Large Language Models) ليقدم حلولاً مبتكرة لتبسيط وتسهيل عملية توليد التأكيدات بلغة SystemVerilog.

تعتبر عملية التحقق الرسمي عملية معقدة تتطلب تحويل نصوص باللغة الطبيعية إلى تأكيدات دقيقة، مما يعد عملاً شاقاً ويحتاج إلى إدخالات دقيقة. ومع ذلك، تستطيع FVRuleLearner معالجة تلك التحديات بتقديم إطار تعليمي موثوق، مستنداً إلى شجرة التفكير العملية (Operator Reasoning Tree) التي تُعيد تشكيل كيفية توليد التأكيدات.

يتضمن FVRuleLearner مرحلتين أساسيتين: التدريب، حيث يتم بناء شجرة التفكير التفصيلية التي تساهم في تقليل الأخطاء من خلال تقسيم المشكلة إلى أسئلة دقيقة. والاختبار، الذي يتم من خلاله استرجاع المسارات المنطقية المناسبة وتوليد قواعد جديدة للمواصفات غير المعروفة.

وفقًا للدراسات الشاملة، أثبت FVRuleLearner تفوقه على الأنظمة التقليدية بنسبة 3.95% في صحة التركيب و31.17% في الصحة الوظيفية بشكل عام، بالإضافة إلى أنه قد حقق تقليصًا بمعدل 70.33% من الفشل الوظيفي في التأكيدات عبر فئات المشغلين المختلفة. هذه النتائج تؤكد نجاح FVRuleLearner في تقديم باراديغما جديدة للتفكير القائم على القواعد والتعلم في مجال التحقق الرسمي.