في عالم التصميم والبرمجة، تشكل نماذج اللغات الضخمة (Large Language Models) ثورة فعلية، حيث يتم استخدامها بشكل متزايد لإنشاء تصميمات على مستوى نقل السجلات (RTL) من المواصفات اللغوية الطبيعية. لكن، تظل عملية تقييم الدقة الوظيفية في المراحل المبكرة من التطوير تحديًا رئيسيًا.

تُعد الأساليب الحالية القائمة على عدم استخدام أدوات الاختبار (oracle-free) إما معتمدة على اتفاق قائم على المحاكاة، والذي يعتمد على اختبار تم إنشاؤه بواسطة نماذج اللغات، أو على استراتيجيات LLM كحكم، التي يمكن أن تؤدي إلى تنبؤات غير متسقة.

نقدم اليوم إطار NoTB، وهو نظام مبتكر يحرر عملية تقييم الدقة من الاعتماد على أدوات الاختبار من خلال استنتاج الدقة من توافق رسمي متعدد النماذج. يعتمد NoTB على إنشاء تنفيذات RTL من عدة عائلات من موديلات اللغات المدربة بشكل مستقل ويطبق تقنية التحقق المتسلسل للتكافؤ (Sequential Equivalence Checking) لتحديد التصميمات المتكافئة بشكل موثوق.

أظهرت التجارب على 78 مهمة لإنشاء RTL، أن توافق أربع عائلات قدم دقة بنسبة 94.7% مع نسبة تغطية 27%، بينما حقق توافق ثلاث عائلات دقة بنسبة 87% مع نسبة تغطية 33%. هذه النقاط التشغيلية تمنح المصممين قاعدة مرنة لقبول أو تأجيل القرارات قبل توفر أدوات اختبار موثوقة أو RTL مرجعي.

بشكل عام، يبرز NoTB كأداة قوية تثبت أن الاتفاق الرسمي عبر النماذج يوفر أساسًا موثوقًا لتقييم الدقة دون الحاجة لأدوات اختبار معتمدة على النماذج، ما يوفر الوقت والموارد في مجال تصميم البرامج.