探索未来编程:Bedrock2——验证的低级语言与编译器
2024-05-24 12:17:40作者:瞿蔚英Wynne
在这个快速发展的技术时代,确保软件的安全性和可靠性至关重要。这就是Bedrock2项目的价值所在。它是一个正在进行中的系统编程语言研发项目,附带了一个针对RISC-V架构的已验证编译器。通过其创新设计和内置的简单程序逻辑,Bedrock2旨在为低级别编程提供一个可证明正确的平台。
项目介绍
Bedrock2的语言结构类似于C语言,但更加注重安全性。目前支持的数据类型仅限于字(32位或64位),内存则是一个部分映射从字到字节的模型。值得注意的是,项目明确不支持函数指针、递归函数以及非终止程序,以确保代码的确定性和堆栈安全。
项目技术分析
Bedrock2的构建基于Coq证明助手,与bedrock项目相似但采用了不同的设计思路。该项目包括多个子项目,共同实现了从源代码的正确性证明到硬件执行行为的端到端定理。这些子项目涉及了Coq库、RISC-V规范、编译器和处理器模型等多个方面。项目依赖结构清晰,便于理解和维护。
编译过程依赖于最新版Coq,通过Makefile自动化管理各个子项目的构建顺序。此外,还提供了用于FPGA运行的Kami处理器提取到Bluespec的功能,进一步实现了硬件实现。
项目及技术应用场景
Bedrock2的技术应用场景广泛,特别是在对安全性要求极高的领域,如嵌入式系统、物联网设备和关键基础设施中。例如,项目提供的“物联网灯泡”演示展示了如何在经过验证的Bedrock2程序控制下,通过FPGA执行RISC-V指令来远程控制灯光开关,保证了操作的无错误性。
项目特点
- 验证的编译器:Bedrock2的编译器可以产生经验证的机器码,确保源代码正确编译至目标平台。
- 简单的程序逻辑:内建的程序逻辑允许对源代码进行形式化验证,确保执行的正确性。
- 有限功能集:通过限制某些高级特性,降低了出错的可能性,增强了系统的稳定性。
- 强大的生态系统:项目集成了Coq、RISC-V规范和处理器模型等工具链,形成了一套完整的验证流程。
总的来说,Bedrock2是系统编程的一个大胆尝试,它以验证为核心,致力于打造更可靠、更安全的底层代码。对于追求软件安全性的开发者来说,这是一个值得探索的前沿项目。如果你对验证编程感兴趣,或者正在寻找一种能确保代码质量的方法,那么Bedrock2绝对不容错过。
登录后查看全文
热门项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
138
169
暂无简介
Dart
598
130
React Native鸿蒙化仓库
JavaScript
235
309
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++
632
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
695
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
616
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
197
74
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
460