Quiz — Module 07: DV/EDA Application

← Module 07 본문으로 돌아가기

---

Q1. (Remember)

DV 워크플로에서 AI 가 적용 가능한 5단계는?

정답 / 해설

1. Spec / V-Plan — 자연어 spec 에서 verification plan 추출.
2. TB 생성 — interface 추출, agent / driver / monitor 코드 생성.
3. Debug — 로그 / FSDB 분석으로 root cause 후보 좁히기.
4. Coverage 분석 — coverage hole → 새 시퀀스 / 제약 제안.
5. Triage — 회귀 결과 묶음에서 같은 패턴 자동 분류.

Q2. (Understand)

"AI 가 DV 엔지니어를 대체" 가 아니라 "Augmentation" 인 이유를 설명하라.

정답 / 해설

DV 의 가치는 틀린 것을 찾아 입증 하는 것이며, 이 입증 책임은 인간이 진다 (감사·테이프아웃 의사결정). AI 는 후보를 빠르게 만들고 좁히는 도구이지만, 실제 RTL bug 라 단정하거나 fix 를 합치는 결정은 인간이 검증해야 한다. 또한 도메인 IP / 보안 / regulatory 제약 때문에 인간 in-the-loop 가 사라질 수 없다.

Q3. (Apply)

자기 팀 회귀 결과 1000개 fail 을 자동 triage 하는 agent 의 구성요소는?

정답 / 해설

• Tools : read_log, extract_first_error, classify_pattern, cluster_by_signature, link_to_jira.
• Pipeline : 로그에서 첫 error 추출 → pattern 매칭(룰) + LLM 분류 → 같은 cluster 묶기 → 대표 sample 만 사람에게 노출.
• Guardrail : 분류 신뢰도가 낮은 fail 은 "unknown" 으로 두고 사람에게 escalation.
• Metrics : triage 시간, 잘못 묶인 비율, 새로운 패턴 발견 시간.

Q4. (Analyze)

AI 도입 시 발생하는 위험 3가지와 완화책은?

정답 / 해설

1. IP 누출 — 로컬 모델 / on-prem LLM / 데이터 마스킹.
2. Hallucination on RTL — RAG 로 spec / RTL 인용 강제, 인간 reviewer 의 sanity check.
3. 비용 폭주 — token / call budget guard, agent max-step, observability dashboard.

Q5. (Evaluate)

도입 단계별 우선순위(현재/단기/장기) 를 ROI 기준으로 평가하라.

정답 / 해설

• 현재 (즉시 도입) : Copilot 류 코드 보조, 로그 요약, RAG 기반 spec Q&A → 빠른 ROI, 위험 낮음.
• 단기 (3~6개월) : Agent 기반 자율 디버그 (log → fix proposal → review) → 시간 절감 ↑↑, guardrail 필요.
• 장기 (12개월+) : spec → V-Plan → TB → coverage closure 자율 파이프라인 → 운영 위험 ↑, 검증/감사 체계 필수.

원칙: 위험 ↓ + ROI ↑ 부터 시작 → 측정 → 다음 단계 escalation.