cvc5 1.2.1版本发布:SMT求解器的安全性与证明能力提升
cvc5是一款开源的SMT(Satisfiability Modulo Theories)求解器,它能够处理一阶逻辑公式的可满足性问题,并支持多种理论组合。作为自动化推理领域的重要工具,cvc5广泛应用于形式化验证、程序分析、人工智能等领域。最新发布的1.2.1版本在证明系统、安全性选项和语言解析等方面带来了多项改进。
证明系统增强
cvc5 1.2.1版本对CPC证明签名进行了更新,使得Ethos 0.1.1版本能够验证cvc5生成的证明。这一改进增强了证明系统的兼容性和可靠性,为形式化验证提供了更坚实的基础。
此外,新版本显著扩展了证明覆盖范围,特别是在启用--safe-options选项时允许的理论范围内。这意味着用户在使用安全选项时,能够获得更全面的证明支持,增强了系统的可信度。
安全性选项优化
1.2.1版本对--safe-options选项进行了重要调整,现在该选项会默认禁用实验性理论及其扩展。这些实验性理论包括:
- 包(bag)理论
- 有限域理论
- 分离逻辑理论
- 高阶等式理论扩展
- 算术理论中的超越函数、整数与运算和幂函数扩展
- 数组理论中的常量数组扩展
值得注意的是,这些理论在默认情况下仍然是启用的。如果用户确实需要使用这些实验性理论,可以在设置--safe-options之前,通过特定选项(如--arith-exp)来启用它们。
API与功能增强
新版本在API层面增加了SymbolManager::getNamedTerms()方法,允许用户检索通过SMT-LIB属性:named命名的术语集合。这一功能增强了符号管理的灵活性,便于用户跟踪和操作特定术语。
在解析方面,新增了--parsing-mode选项,提供了比默认模式更严格或更宽松的解析配置。原有的--strict-parsing选项现在作为--parsing-mode=strict的别名存在。在宽松解析模式下(--parsing-mode=lenient),系统能够解析以.或@开头的符号,这些符号通常用于内部新引入的符号表示。
其他重要改进
1.2.1版本修复了set.filter求解器中的一个正确性缺陷,确保了该操作的语义准确性。在输出方面,当使用-o pre-asserts或-o post-asserts标签打印时,系统现在会确保声明以确定性顺序输出,提高了结果的可预测性。
此外,cvc5将内置的CaDiCaL SAT求解器升级到了2.0.0版本,这一更新可能会带来性能上的提升和功能上的改进。
总结
cvc5 1.2.1版本通过增强证明系统、优化安全选项、扩展API功能和改进解析能力,进一步提升了这一SMT求解器的可靠性和实用性。特别是对实验性理论的明确划分和安全选项的调整,使得用户能够更清晰地控制系统的行为,在保证安全性的同时不牺牲灵活性。这些改进使得cvc5在形式化验证和相关领域的应用中更加值得信赖。
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
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