LaTeX2e项目中的supertabular与array包兼容性问题分析
问题背景
在LaTeX2e项目的最新版本中,用户发现当同时加载supertabular和array两个包时,系统会抛出"! Extra }, or forgotten \endgroup."的错误提示。这个问题出现在2025年6月发布的LaTeX2e版本中,主要影响使用supertabular环境配合p列格式的用户。
技术分析
supertabular包是一个用于处理跨页长表格的LaTeX扩展包,它通过修改LaTeX内核的内部机制来实现其功能。而array包则提供了对表格列格式的增强支持。在最新版本的LaTeX2e中,内核的表格处理机制发生了变化,特别是@pbox相关的内部命令结构有所调整。
问题的根源在于supertabular包对LaTeX内核的修改方式未能跟上内核的变化。具体来说,supertabular包试图修改的\@startpbox相关命令在新版本中已被重构为\@startpbox@action机制,导致包中的补丁代码无法正确工作。
解决方案
LaTeX开发团队的技术专家提出了一个临时解决方案,通过钩子机制来正确设置和恢复pbox相关的动作命令:
\makeatletter
\AddToHook{cmd/x@supertabular/after}{
\let\orig@startpbox@action\@startpbox@action
\let\@startpbox@action\@startpbox
}
\AddToHook{cmd/ST@restore/after}{
\let\@startpbox@action\orig@startpbox@action
}
\makeatother
这个解决方案的关键点在于:
- 在supertabular环境开始时保存原始pbox动作命令
- 临时替换为supertabular需要的命令
- 在环境结束时恢复原始命令
最佳实践建议
对于遇到此问题的用户,建议采取以下步骤:
- 首先确认是否真的需要同时使用supertabular和array包
- 如果必须使用,可以暂时采用上述解决方案
- 关注supertabular包的更新,等待官方修复
- 在开发自己的LaTeX文档时,考虑使用更现代的替代方案如longtable或tabularray等包
技术启示
这个案例展示了LaTeX生态系统中的一个常见挑战:当内核更新时,依赖于内核内部实现的包可能会出现问题。对于包开发者而言,应当:
- 尽量避免直接修改内核内部命令
- 使用官方提供的API和扩展机制
- 在开发过程中关注LaTeX开发团队的测试版本
- 为包提供明确的维护者联系信息
对于用户而言,遇到类似问题时,可以通过LaTeX的测试版本提前发现问题,并在正式版本发布前报告给相关包的维护者。
结论
LaTeX2e的持续发展带来了许多改进,但也不可避免地会与一些老旧的包产生兼容性问题。supertabular与array包的冲突问题就是一个典型案例。通过理解问题的技术本质和应用适当的解决方案,用户可以继续使用这些功能,同时期待包维护者发布更持久的修复方案。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
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