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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00