cvc5 1.3.0版本发布:安全模式与证明能力显著增强
cvc5是一个高性能的开源SMT(可满足性模理论)求解器,广泛应用于形式化验证、程序分析、软件测试等领域。作为SMT求解器领域的佼佼者,cvc5能够处理包括算术、位向量、数组、字符串等多种理论约束。最新发布的1.3.0版本带来了多项重要改进,特别是在安全性和证明能力方面有显著提升。
安全模式与稳健性保障
cvc5 1.3.0引入了一个重要的新功能——安全模式(safe mode)。这一模式通过构建配置选项或命令行参数启用,会限制所有不够稳健或缺乏完整证明和模型支持的功能。安全模式的定义与项目的模糊测试指南保持一致,确保了在该模式下运行的功能都经过了严格的验证。
开发者可以通过两种方式启用安全模式:
- 在构建时使用
safe-mode配置选项 - 运行时通过命令行参数
--safe-mode=safe启用
此外,cvc5还提供了--safe-mode=stable选项,该选项会禁用实验性功能,但不强制要求完整的证明或模型支持。这一设计使得用户可以根据实际需求在功能完整性和安全性之间做出权衡。
证明能力大幅提升
在证明系统方面,cvc5 1.3.0对Cooperating Proof Calculus(CPC)证明格式的支持有了显著增强。现在,CPC证明对于安全模式下允许的所有理论和功能都应该是完整的。这意味着用户可以更有信心地依赖这些证明结果。
获取这些证明的方式包括:
- 使用SMT-LIB命令
(get-proof) - 通过API调用
Solver::getProof方法
这些证明可以通过Ethos 0.2.0检查器进行验证。值得注意的是,cvc5现在默认使用dsl-rewrite级别的证明粒度,这提供了更细致的证明结构。
算术位向量转换函数的标准化
cvc5 1.3.0开始支持SMT-LIB 2.7标准中定义的算术位向量转换函数语法:
int_to_bv:对应现有的Kind::INT_TO_BITVECTORubv_to_int:新增Kind::BITVECTOR_UBV_TO_INTsbv_to_int:新增Kind::BITVECTOR_SBV_TO_INT
同时,旧语法int2bv和bv2nat以及对应的Kind::BITVECTOR_TO_NAT已被标记为废弃,建议用户迁移到新的标准语法。
内部改进与优化
在底层实现方面,cvc5 1.3.0包含了多项改进:
- 将CaDiCaL求解器升级至2.1.3版本
- 改进了证明输出格式,现在所有证明输出都会用括号括起来,符合SMT-LIB标准
- 重命名了量化实例化策略
--mbqi-fast-sygus为--mbqi-enum,使其命名更加准确
总结
cvc5 1.3.0版本在安全性、证明能力和标准合规性方面都取得了重要进展。安全模式的引入为用户提供了更可靠的运行环境,CPC证明的增强使得验证结果更加可信,而对SMT-LIB 2.7标准的更好支持则提升了工具的互操作性。这些改进使得cvc5在形式化方法和验证领域的应用更加广泛和可靠。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C051
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0126
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00