所属栏目：新闻中心发布时间：2026-01-14浏览量:594
天津大学智能与计算学部李晓鹏团队在《软件学报》发表论文《智能化芯片设计程序测试研究综述》，该论文系统梳理了智能化方法在芯片设计程序测试领域的研究成果，从测试输入生成、测试预言构造及测试执行优化三个核心维度，归纳了机器学习、深度学习到大语言模型阶段的技术演化，为芯片设计程序测试的高效开展提供了重要参考。
芯片作为智能电子设备的核心组件，其正确性、安全性和可靠性直接影响人工智能、物联网、5G通信等领域的技术落地。芯片设计程序作为芯片制造的基础，其质量保障至关重要。早期测试依赖人工设计用例，成本高、效率低，随着芯片复杂度提升，自动化及智能化测试方法成为研究热点。
该研究调研88篇相关学术论文，发现测试输入生成方法已从传统随机生成演进为基于覆盖反馈、特征提取和语义结构分析的智能化生成模式。机器学习阶段的贝叶斯网络、遗传算法，深度学习阶段的神经网络与强化学习结合，以及大语言模型阶段的提示词工程、模型微调等技术，均在提升测试覆盖率和效率方面展现出显著潜力。测试预言构造方面，参考模型(差分测试)和蜕变测试两种方式有效解决了不同场景下的行为验证问题，而测试执行优化通过无监督与监督学习方法实现了测试用例的智能筛选与排序。
论文还整理了40个常用测试数据集和18个开源工具，涵盖设计程序库、处理器设计程序及仿真器、测试生成器等各类资源。研究指出，当前领域仍面临开源数据集覆盖场景有限、大语言模型对复杂芯片设计程序理解不足等挑战，未来需重点开发多样化高复杂度数据集、探索通用测试框架等方向。该综述为芯片设计程序测试领域的研究者提供了全面的技术参考，助力推动芯片质量保障技术的持续创新。