Revm项目中的BLS预编译合约Gas定价调整分析
在区块链技术领域,预编译合约(Precompiled Contract)是区块链虚拟机(EVM)中预先定义的高效合约实现,它们通常用于执行复杂的密码学运算。本文主要分析Revm项目中关于BLS(Boneh-Lynn-Shacham)签名预编译合约的Gas定价调整。
BLS预编译合约概述
BLS签名是一种基于双线性配对的密码学签名方案,因其聚合签名特性在区块链领域得到广泛应用。区块链网络通过预编译合约的形式提供了BLS相关运算的支持,这些预编译合约位于特定的地址空间,执行效率远高于普通智能合约。
Gas定价调整内容
本次调整主要涉及以下几个方面:
-
配对运算(Pairing Operations)的Gas定价:双线性配对是BLS签名验证的核心运算,计算复杂度较高,需要重新评估其Gas消耗。
-
基础运算的Gas定价:包括G1和G2群上的点加(ADD)、标量乘法(MUL)以及映射运算(MAP)等基础操作的Gas成本调整。
-
多标量乘法(MSM)的Gas定价:MSM是BLS签名聚合验证中的关键运算,其计算复杂度与输入规模相关。
-
预编译地址调整:移除了G1_MUL和G2_MUL两个预编译合约,并对剩余预编译合约的地址进行了重新编排。
技术影响分析
Gas定价的调整直接影响着区块链网络的几个关键方面:
-
经济安全性:合理的Gas定价可以防止资源滥用攻击,确保网络安全性。
-
计算成本:开发者需要根据新的Gas成本优化其智能合约设计。
-
网络效率:准确的Gas定价有助于更合理地分配区块链网络的计算资源。
实现细节
在Revm项目的实现中,这些调整主要体现在预编译合约的Gas计量逻辑修改上。开发团队通过基准测试和密码学运算复杂度分析,确定了各项运算的新Gas成本标准。
总结
BLS预编译合约Gas定价的调整是区块链网络持续优化的一部分,反映了密码学运算实现和硬件性能的变化。这些调整有助于保持网络的经济安全性,同时为开发者提供更准确的成本预期。Revm作为区块链虚拟机实现,及时跟进这些变化对保持兼容性至关重要。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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