Quiz — Module 03: TB Top & AI Automation

← Module 03 본문으로 돌아가기

---

Q1. (Remember)

AI 자동화가 가장 효과적인 검증 영역 3가지는?

정답 / 해설

1. Coverage gap → targeted sequence 생성 (LLM이 spec + 미커버 영역 보고 sequence 작성)
2. RAL 자동 생성 (spec doc → uvm_reg/uvm_reg_field 변환)
3. 로그/wave 디버그 보조 (long log에서 root cause 후보 식별)

Q2. (Understand)

AI가 검증할 수 없는 영역은?

정답 / 해설

• Silent corruption — 명시적 fail signal 없는 결함
• Race condition — 비결정론적 timing-dependent
• Spec ambiguity — spec 자체가 모호하면 AI도 잘못 해석
• 새로운 architecture — 학습 데이터에 없는 novel design

AI는 hypothesis 제안 + 반복 작업 자동화 ↑, 최종 sign-off는 human inspection.

Q3. (Apply)

Layered TB Top 설계를 위한 layer 분리는?

정답 / 해설

• Layer 1 (Common): 모든 SoC에 공통 (clock/reset/power 모델, DRAM 모델, 기본 monitor)
• Layer 2 (Common Task): CCTV sequence library, virtual sequencer base
• Layer 3 (Project-specific): 이번 프로젝트 IP들의 agent + 특수 시나리오

프로젝트 변경 시 Layer 3만 수정 → 재사용성.

Q4. (Analyze)

LLM에게 sequence 작성을 시킬 때 가장 중요한 input은?

정답 / 해설

1. Spec 정확한 인용 (RFC, datasheet, custom spec)
2. Existing sequence 예시 (style guide 역할)
3. 명확한 coverage goal (what bin to cover)
4. Constraint 명시 (어떤 register는 read-only 등)

위 4개가 input이 부족하면 LLM은 hallucinate하거나 generic sequence만 생성.

Q5. (Evaluate)

다음 중 AI 자동화 도입이 위험한 시나리오는?

• A. RAL 자동 생성 후 사람 검토
• B. AI가 생성한 sequence를 검토 없이 회귀에 추가
• C. AI가 디버그 hypothesis 제안
• D. AI가 coverage gap 식별

정답 / 해설

B. 검토 없이 회귀에 추가하면 잘못된 sequence가 testbench를 corrupt할 수 있음. 그 sequence가 spec 위반인지 확인 안 됨. AI 결과는 human review 필수 + small set으로 confidence 확인 후 회귀 추가.