LaTeX2e项目中的multicols环境与用户自定义标记问题解析
2025-07-05 18:51:24作者:昌雅子Ethen
问题背景
在LaTeX排版系统中,multicols环境是一个常用的多栏排版工具,它允许用户在文档中创建多栏布局。然而,近期发现了一个与用户自定义标记相关的兼容性问题:当用户定义的标记位于multicols环境内部时,这些标记虽然会被记录在日志文件中,但无法正确传递到FirstMark和LastMark命令中。
技术细节分析
这个问题涉及到LaTeX的标记机制和multicols环境的交互。具体表现为:
- 用户通过NewMarkClass命令创建自定义标记类(如示例中的DictMark)
- 在multicols环境外部插入的标记能够正常工作
- 但在multicols环境内部插入的标记虽然被记录,却无法被FirstMark和LastMark正确识别
从技术实现角度看,这是由于multicols环境尚未完全支持LaTeX的新标记机制。multicols.sty作为LaTeX的核心包之一,其开发需要与底层标记系统保持同步更新。
解决方案进展
LaTeX开发团队已经意识到这个问题,并正在进行以下改进工作:
- 在multicols环境中添加对新标记机制的支持
- 相关代码目前处于独立分支中进行测试
- 计划将该功能合并到开发分支中
- 预计将在2025年6月的LaTeX正式版本中发布
需要注意的是,当前测试该修复需要构建私有格式文件,因为修改不仅涉及multicol.dtx,还包括对ltmarks.dtx的底层修改。对于普通用户而言,建议等待正式版本发布后再使用该功能。
对用户的影响与建议
这个问题主要影响需要在多栏环境中使用自定义标记功能的用户。在修复发布前,用户可以采取以下临时解决方案:
- 将关键标记移至multicols环境外部
- 使用传统标记机制作为替代方案
- 如需立即使用新功能,可考虑从开发分支构建自定义LaTeX版本
该问题的修复将增强LaTeX多栏排版与标记系统的兼容性,为复杂文档排版提供更强大的支持。对于依赖这些功能的用户,建议关注LaTeX的版本更新公告,以便及时获取稳定可用的解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
315
2.74 K
deepin linux kernel
C
24
7
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++
639
246
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
Ascend Extension for PyTorch
Python
155
178
暂无简介
Dart
606
136
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
240
85
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.02 K
React Native鸿蒙化仓库
JavaScript
238
310