解码芯片验证新范式：从单一专家到集体智慧的蜕变
硬件验证的性能瓶颈与 AI 的介入
在现代半导体产业中，芯片设计的复杂度呈指数级增长，相应地，硬件验证的工作量也日益庞大。验证工程师需要编写复杂的测试用例，以确保芯片在各种工况下的正确运行。传统的验证方法严重依赖人工经验和规则，效率低下且难以覆盖所有边缘情况。近年来，大型语言模型（LLM）的崛起为代码生成带来了新的可能性，硬件验证被视为代码生成的重要应用场景。然而，将通用的代码生成能力转化为精准的验证助手，面临着“可覆盖性”和“学习信号可靠性”的双重挑战。如何让模型不仅仅是照本宣科地复制已有代码，而是能够生成具有高覆盖率、能够触达芯片设计中稀少路径的创新测试刺激，成为行业内的核心课题。
CHORUS 框架的核心逻辑：专家的分层与融合
CHORUS 项目的出现，正是基于对大模型行为特性的深刻洞察。研究团队发现，常规的监督微调（SFT）后跟随强化学习（RL）的训练范式，虽然能提升模型性能，但往往会导致模型收敛到某一固定的解空间，丢失了原始模型在不同任务上的行为多样性。CHORUS 的创新之处在于，它将训练过程拆解为两个关键观察点。
首先，研究人员发现，如果在 SFT 阶段保留多个行为各异的检查点，随后再进行密集奖励的强化学习训练，这些检查点会被转化为性能相当但各具特长的“专家”。换言之，不同的模型拷贝或微调版本，在处理特定的验证子任务时，可能各有长短，互不相同。其次，这些互补的优势并非必须保持分离，而是可以通过“训练-free（无需额外训练）”的模型合并方式，或者是进一步的后训练处理，来发挥集体的最大效能。这种思路打破了“越大越好”的固有认知，转而追求模型内部能力的组合与协同。
从实验数据看：规模的博弈与融合的胜利
CHORUS 框架的核心成就在于其展示了如何在不增加模型参数量的情况下，通过智能组合已有资源来提升性能。实验结果表明，研究人员将整合后的专家模型压缩并融合为一个仅为 40 亿参数的模型。尽管体量远小于业界许多顶尖巨型模型，但这款精简版模型在 CVDP-ECov 基准测试中取得了 88.0% 的 Pass@1 分数。这意味着，在测试用例生成的首次尝试中，有近八成的情况能被正确解决。
更为引人注目的是，这一成绩直接击败了参数量高达 6710 亿的 DeepSeek-R1 模型。后者在同一测试任务中仅获得约 74.5% 的 Pass@1 分数。这 13.5 个百分点的差距，在 AI 界通常被视为一个显著的提升幅度，它有力地反驳了“只有通过增加模型体积才能获得性能提升”的传统观点。CHORUS 的成功经验表明，对于特定的垂直领域任务，如硬件验证，通过挖掘和融合模型内部的“互补专家”，比单纯追求模型规模的无限膨胀更为高效、更具性价比。
行业洞察：验证自动化的新路径
从行业角度来看，CHORUS 的出现标志着硬件验证领域 AI 应用的一次重要范式转移。过去，提升芯片验证的自动化水平往往意味着需要昂贵的算力投入和更庞大的模型部署。而 CHORUS 提倡的“专家合并”策略，实际上是一种对现有模型资产的挖掘和重组。这对于资源有限的芯片设计公司而言，具有极高的参考价值。它证明了通过精心设计的后训练流程，可以从现有的大模型中榨出更高的性能，而无需承担训练超大模型所带来的巨大成本和环境负担。
此外，这一框架也揭示了大模型训练中“可塑性”的重要性。如何在训练过程中既保持模型的广度（覆盖各类任务）又获得深度（在特定任务上的精通），是未来研究的关键。CHORUS 提供的“阶段化训练+模型融合”范式，或将成为未来 EDA（电子设计自动化）工具商在AI功能植入过程中的标准配置。我们有理由预期，在未来的几年里，越来越多的验证工具将不再单纯依赖单一的、巨大的黑盒模型，而是采用类似CHORUS这样的模块化、可组合的AI架构。
前瞻展望：向更高覆盖率与更低成本迈进
展望未来，CHORUS 框架的成功经验可能会延伸到更广泛的软件工程和系统验证领域。硬件验证的任务特性——需要在海量可能性中寻找关键路径，这一特征与其他需要创造性解决问题的场景高度相似。CHORUS 所证明的“集体智慧优于单一智慧”的原则，或许可以应用于需要多模态协作的AI系统中。未来的研究方向或许可以进一步探索如何自动化地识别和选择那些最具互补性的专家进行融合，或者是开发更智能的模型合并算法，以适应更复杂、更动态的验证需求。对于正在经历数字化转型的半导体产业来说，CHORUS 不仅是一个技术突破，更是一次降本增效、提升芯片验证效率的实用范式革新。