Selfie项目中Rotor模块浮点异常问题分析
2025-07-01 08:28:37作者:钟日瑜
在Selfie项目的Rotor分支近期更新中,开发团队发现了一个导致Rotor模块无法正常执行反汇编操作的严重问题。该问题表现为程序在执行过程中抛出"Floating point exception"错误并导致核心转储。
问题现象
当用户尝试使用Rotor模块对编译后的RISC-U可执行文件进行反汇编操作时,系统会输出以下错误信息:
./rotor: ================================================================================
./rotor: this is the selfie system from selfie.cs.uni-salzburg.at with
./rotor: 64-bit unsigned integers and 64-bit pointers hosted on Linux
./rotor: ================================================================================
./rotor: 10688 bytes with 1497 64-bit RISC-U instructions and 2496 bytes of data loaded from /home/jean/Desktop/test
./rotor: ********************************************************************************
./rotor: 146733 lines of model formulae generated
./rotor: --------------------------------------------------------------------------------
Floating point exception (core dumped)
问题复现步骤
-
首先编译Rotor模块:
make rotor -
使用RISC-V工具链编译测试用例:
riscv64-unknown-elf-gcc -Wall -Wextra -D'uint64_t=unsigned long' examples/symbolic/division-by-zero-3-35.c -o test -
运行Rotor进行反汇编:
./rotor -l test - 0 -s
技术分析
浮点异常(Floating point exception)通常发生在以下几种情况:
- 除以零操作
- 无效的算术运算
- 溢出或下溢
- 精度损失
在Selfie项目的上下文中,Rotor模块负责符号执行和反汇编功能。从错误发生的时机来看,问题出现在模型公式生成之后,反汇编过程之前,表明可能是在处理某些特定指令或数据时触发了异常。
解决方案
开发团队在后续提交(84cae663)中修复了这个问题。虽然具体修复细节未完全披露,但可以推测修复可能涉及:
- 对除法操作增加了数值范围验证
- 修正了某些算术运算的异常处理逻辑
- 改进了符号执行引擎对特殊情况的处理
预防措施
为避免类似问题再次发生,建议:
- 在关键算术运算前增加数值范围验证
- 实现更完善的异常处理机制
- 增加针对特殊输入值的测试用例
- 考虑使用安全数学库替代原始运算
总结
这个问题的发现和修复展示了Selfie项目团队对代码质量的重视。浮点异常这类问题虽然看似简单,但在符号执行和反汇编这种复杂场景下,可能会引发连锁反应。及时的修复确保了Rotor模块的稳定性和可靠性,为后续的符号执行和分析工作奠定了坚实基础。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0116
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
暂无描述
Dockerfile
763
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
677
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler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。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
116
昇腾LLM分布式训练框架
Python
178
220