Saarthi for AGI：迈向面向形式验证的领域专用通用智能

Saarthi 是一个 Agentic AI 框架，利用多智能体协作执行端到端形式验证。尽管该框架提供从规格到覆盖率收敛的完整流程（效率约 40%），但要使其更稳健可靠仍需解决多个挑战。通用人工智能（AGI）仍是遥远目标，当前基于大语言模型（LLM）的智能体易幻觉出错，在处理形式验证这类复杂任务时尤甚。不过，通过恰当的增强与改进，我们相信 Saarthi 能成为迈向形式验证领域专用通用智能的重要一步。对需要短程短上下文（STSC）能力的问题（如形式验证），Saarthi 可成为协助验证工程师工作的有力工具。本文给出 Saarthi 框架的两项关键增强：（1）结构化规则手册与规格语法，提升 SystemVerilog 断言（SVA）生成的准确性与可控性；（2）集成 GraphRAG 等先进检索增强生成（RAG）技术，让智能体获得技术知识与最佳实践以迭代改进输出。我们还用 NVIDIA 面向形式验证的 CVDP 基准中的高难度测试用例，对这些增强后的整体框架进行基准测试。基准结果突出：生成断言的准确率提升 70%，达到覆盖率收敛所需的迭代次数减少 50%。