Предложены архитектурные и методические решения для верификации гибридной интеллектуальной системы поддержки оператора АЭС, объединяющей машинное обучение, базу экспертных правил и цифрового двойника. Методология строится как многоуровневый процесс верификации и валидации: покомпонентная верификация (включая статические ограничения, воспроизводимость обучения и динамические испытания моделей машинного обучения (МО)), формальная проверка логики и непротиворечивости правил с использованием SAT/SMT-подходов, а также интеграционная верификация согласованности выводов, временных ограничений и режимов управляемой деградации. Для выявления граничных случаев предложено применять метаморфное тестирование МО-компонентов, основанное на физических инвариантах и эксплуатационных ограничениях, а также сценарные проверки объяснимости и прослеживаемости рекомендаций. Показано, что предложенный подход позволяет выявлять несогласованности между разнородными подсистемами и снижать риск скрытых дефектов до этапа валидации системы.