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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0150- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111