功能验证不只是执行测试用例并收集通过或失败结果。可靠验证依赖可度量证据，证明设计已经在目标功能空间内被激励、观察、检查和评估。验证指标通过量化覆盖率、粒度、人工工作量、有效性、完整性和复用性来提供这些证据。这些度量能够帮助判断验证活动是在产生真实置信度，还是仅仅增加了仿真数量。 粒度定义了设计行为被观察和度量的深度。事务级视角可以确认高层操作是否正确完成，而接口级、状态级、协议级或信号级的详细覆盖率则可以暴露更宽泛观察方式可能遗漏的边界场景。人工工作量衡量创建测试、检查结果、维护基础设施和调试失败所需的工程成本。通过自动化、可复用组件和结构化检查来降低人工工作量，可以在不削弱技术质量的前提下提升可扩展性。 有效性和完整性决定了验证策略是否足以暴露有意义的缺陷，并充分探索所需行为空间。有效验证依赖高质量激励、精确检查器、断言和覆盖率反馈，尽早发现功能不匹配。完整性依赖明确的覆盖率目标、多样化激励、可靠结果检查，以及对未测试区域的持续优化。功能覆盖率、代码覆盖率、事务覆盖率、断言覆盖率和场景覆盖率分别从不同角度反映验证进展。 覆盖率驱动验证将这些度量连接成可执行的反馈闭环。事务驱动激励定义有意义的操作，约束随机生成扩大场景多样性，自动结果检查减少对人工观察的依赖，覆盖率收集识别尚未验证的行为。定向测试对于已知风险和特定边界条件仍然具有价值，而随机测试和约束则可以探索难以人工枚举的组合。断言增强局部行为检查，并有助于在更接近错误源头的位置隔离失败。 方法学驱动验证在可复用环境和可复用仿真结果的支持下更具价值。激励生成器、监视器、计分板、参考模型、检查器和覆盖率收集器可以跨抽象层级、设计版本和相关项目复用。保留下来的仿真结果能够支持可重复调试、定向分析和数据驱动的后续测试优化。借助清晰指标，验证决策变得可追踪：是否增加测试、调整约束、改进检查器、细化覆盖率目标或加强自动化。最终形成的是一种更具扩展性的验证策略，将工程投入直接连接到可度量的设计置信度。 Catalogue: 功能验证基础 验证方法概览 不同抽象层级的验证 关键验证指标 理解验证粒度 优化手动验证工作量 提升验证效率 实现验证完整性 验证环境可重用性 仿真结果可重用性 覆盖率驱动验证概述 事务驱动验证 约束随机数生成 自动结果检查 覆盖率收集 定向测试 覆盖率驱动验证的各个阶段 覆盖度测量验证完成度 覆盖度提升随机测试效率 断言检查行为 自动化实现可扩展验证 随机测试提升验证完整性 MDV 成功的规划基础 MDV 验证流程 验证项目的阶段 MDV 的核心要素 基于类的测试平台基础