CompCert编译器新增支持-MD依赖生成选项
在C/C++项目构建过程中,依赖关系管理是一个重要环节。主流编译器如GCC和Clang都提供了多种依赖生成选项,其中-MD是最常用的选项之一。近日,CompCert正式编译器在最新提交中增加了对这一关键功能的支持。
依赖生成选项的背景
在大型项目中,源文件之间往往存在复杂的依赖关系。当某个头文件被修改时,构建系统需要知道哪些源文件需要重新编译。传统做法是通过手动维护依赖关系,但这在项目规模扩大后变得不可行。
现代编译器提供了自动生成依赖关系的功能,通过分析#include指令来确定文件间的依赖。GCC和Clang系列编译器提供了一组-M开头的选项:
- -M:生成完整的依赖关系
- -MM:忽略系统头文件的依赖
- -MD:生成依赖关系的同时进行编译
- -MMD:忽略系统头文件并同时编译
CompCert的实现进展
CompCert作为经过形式验证的高可靠性C编译器,此前已经支持了大部分-M系列选项,但缺少对-MD和-MMD的支持。这导致某些使用-MD选项的构建系统无法直接与CompCert配合使用。
最新提交76f7fea完善了这一功能,使CompCert的行为与主流编译器保持一致。特别值得注意的是:
- 当同时使用-MD和-E(预处理)选项时,CompCert与GCC/Clang行为一致,都将依赖输出到.d文件而非-o指定的文件
- 通过-MF选项可以显式指定依赖输出文件名
- 依赖生成逻辑与现有-M/-MM选项共享核心实现
技术细节解析
在实现上,-MD选项相当于同时指定了-M和-c(编译)选项。它会在编译过程中生成依赖信息,而不是像-M那样只生成依赖信息就停止。
CompCert处理依赖生成的流程大致如下:
- 解析阶段收集所有#include指令
- 根据-MM选项决定是否过滤系统头文件
- 将依赖关系按照Makefile规则格式输出
- 如果指定-MF则使用指定文件名,否则使用默认的.d后缀
对开发者的影响
这一改进使得CompCert能够更好地融入现有构建系统。许多使用自动化工具(如CMake、Autotools)的项目都默认使用-MD选项来管理依赖关系。现在这些项目可以无缝切换到CompCert编译器,而无需修改构建配置。
对于需要高可靠性保证的项目,这一改进降低了采用CompCert的门槛,使得开发者可以在不牺牲构建系统便利性的情况下,获得经过形式验证的编译器带来的安全保障。
未来展望
虽然当前实现已经覆盖了主要使用场景,但仍有优化空间。例如,可以考虑支持GCC的-MT选项(指定目标名称)和-MQ选项(引用保护目标名称),以提供更灵活的依赖控制。此外,对并行编译场景下的依赖处理也可以进一步优化。
随着CompCert不断完善对工业标准特性的支持,它正在从学术研究领域逐步走向更广泛的工业应用,为关键系统开发提供可靠的编译保障。
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-1.5暂无简介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