تعد عملية تصحيح الأخطاء في لغة Verilog واحدة من المراحل الأكثر استهلاكاً للوقت في تصميم الدوائر الرقمية. ومع تقدم نماذج اللغات الضخمة (Large Language Models) مؤخراً، تم تمكين التصحيح الآلي، ولكن العديد من الأساليب الحالية تعتمد فقط على مخرجات الاختبار وتعليقات المترجم، مما يحد من فعاليتها في معالجة الأخطاء المعقدة. يكمن التحدي الرئيسي في أن السبب الجذري للخطأ قد يكون بعيدًا عن المخرجات الملحوظة، مما يصعّب على نماذج اللغات الضخمة تتبع سلاسل الاعتماد الطويلة في الكود. يتفاقم هذا التحدي في قواعد الشيفرة الكبيرة، حيث تعيق أطوال السياق الطويلة القدرة على التفكير الفعال.

لذا، تم اقتراح VeriPilot، إطار العمل المدعوم من نماذج اللغات الضخمة، والذي يستفيد من نماذج مرجعية ذهبية لتيسير تحديد الأخطاء بدقة وإصلاحها. يتجاوز VeriPilot مجرد مقارنة مستوى الإخراج من خلال مواءمة دلالات المتغيرات الداخلية بين تصميم Verilog والنموذج الذهبي المقابل عبر تحليل مدعوم من نماذج اللغات. بعد ذلك، يتم إجراء تتبع إشارة خطوة بخطوة باستخدام الرسوم البيانية لتدفق البيانات (Control-Data-Flow Graphs - CDFGs) المشتقة من التحليل الثابت، لتحديد مجموعة حدّ أدنى من مناطق الكود المشبوهة إلى جانب نظيراتها الصحيحة من النموذج الذهبي.

تُقدم هذه الرؤى المنظمة فيما بعد إلى نموذج اللغة لتعزيز التفكير وإصلاح الكود تلقائياً. أظهرت النتائج التجريبية على معايير مشاكل تصميم Verilog الشاملة (CVDP) من NVIDIA أن VeriPilot يحسن من معدل نجاح الإصلاح لنموذج GPT-4o من 54.3% إلى 85.71%، مما يعزز بشكل كبير دقة تحديد الأخطاء وفعالية الإصلاح لتصميمات Verilog المعقدة.

للمزيد من المعلومات، يمكنكم الاطلاع على الشيفرة المصدرية والمعيار على GitHub من خلال الرابط التالي: https://github.com/YihanWn/VeriPilot.git.

ما رأيكم في هذا التطور الثوري في إطار عمل تصحيح الأخطاء؟ شاركونا في التعليقات!