Plutus项目中的quotientInteger成本模型问题解析
背景介绍
在Plutus智能合约平台中,内置函数quotientInteger的成本模型实现存在一个值得关注的技术细节。这个函数用于计算两个整数的商,其成本计算方式直接影响着智能合约执行时的资源消耗评估。
成本模型问题分析
Plutus执行引擎使用不同的成本模型来评估内置函数的执行开销。对于quotientInteger函数,成本模型被标记为"constant above diagonal"(对角线上方为常数),这实际上是一个正确的设计选择,尽管初看起来可能令人困惑。
当计算quotientInteger x y时,如果x的位大小小于y(即在对角线上方),结果通常为0,计算过程非常简单。相反,如果x的位大小大于y(对角线下方),则需要执行更复杂的除法运算。因此,"constant above diagonal"的模型准确地反映了这一计算特性。
成本模型实现细节
Plutus项目中有多个成本模型文件(builtinCostModelA、builtinCostModelB和builtinCostModelC),它们分别对应不同的协议版本和Plutus语言版本:
- builtinCostModelA:用于PlutusV1和PlutusV2脚本,在Chang硬分叉前(协议版本<9)
- builtinCostModelB:用于PlutusV1和PlutusV2脚本,在Chang硬分叉后(协议版本≥9)
- builtinCostModelC:专用于PlutusV3脚本(仅存在于协议版本≥9)
这种多版本成本模型的并存增加了系统的复杂性,未来团队计划统一这些模型以简化维护。
开发实践中的发现
在第三方实现(如OpShin和Aiken)中,开发人员曾对quotientInteger的成本模型产生过疑问。特别是在OpShin的实现中,最初错误地实现了"constant above diagonal"逻辑,导致测试失败。这一问题的发现凸显了正确理解成本模型的重要性。
测试覆盖建议
当前的测试用例主要覆盖了对角线下方的复杂计算场景,建议增加对角线上方的测试案例,以验证成本模型在所有情况下的正确性。这将有助于未来实现者避免类似的实现错误。
总结
Plutus的成本模型系统是一个复杂但精妙的设计,quotientInteger函数的成本模型实现体现了对计算特性深入理解后的优化选择。随着Plutus平台的演进,成本模型系统有望变得更加统一和简化,但当前的多版本并存状态需要实现者特别注意。
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 StartedRust0174
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 Notebook099
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
BitCPM-CANN-8BBitCPM-CANN 是首个基于华为昇腾 NPU 原生构建的端到端 1.58 位(三值化)大语言模型训练系统。该系统将量化感知训练(QAT)集成到 Megatron-LM 框架中,并结合 MindSpeed 加速,覆盖了从自定义三值算子到基于昇腾 910B 的分布式并行训练的完整训练栈。Python00
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 Notebook04
inference通过更改一行代码,您可以在应用程序中用另一个大型语言模型(LLM)替换OpenAI GPT。Xinference赋予您使用任何所需LLM的自由。借助Xinference,您能够在云端、本地、甚至笔记本电脑上运行任何开源语言模型、语音识别模型和多模态模型的推理。Python02