信任，但要验证测量工具：在人工编写的安全回归代理测试上审计 AI 生成的 RTL 验证计划

arXiv:2609.19844v2 公告类型：replace-cross 摘要：AI 生成的 RTL 验证计划可能满足服务提供方的模式要求，却在进入可信执行环节的边界处失效。我们提出 SecTB-RTL，这是一个可审计的框架，涵盖 31 项任务和 124 个人工编写的硬件安全回归测试。在逐步提高资源限制的条件下，确定性的非 AI 基线分别杀死了 36、75 和 78 个变异体。首次确认性运行（C1-R2）在模型执行前便告失败，原因是服务提供方拒绝了其响应模式。在未查看结果的情况下仅修复模式后，一次单独冻结配置的后续运行（C1-R3）完成了 1,860 次调用。服务提供方接受了 1,857 个响应，但只有 9 个通过了生产环境语义验证器。生成规则与执行规则并不匹配。因此，我们将此次运行保留为一起测量工具验证事件，不报告任何提示词效应估计。该事件表明，服务提供方接受响应或响应符合模式，并不能证明其执行有效性。编译和覆盖率仅是诊断手段；实际保存的产物必须通过完整的生产执行流程。此后的一次跟进运行因未满足预注册的证据完整性门槛而被排除，仅作为未来工作处理。我们发布了该基准、保留失败信息的契约、事件溯源记录，以及防止将基础设施行为误报为模型行为所需的治理控制措施。