Plutus UPLC 版本间评估结果差异问题分析
问题背景
在Plutus项目中,用户nau报告了一个关于UPLC(Untyped Plutus Core)评估器在不同版本间行为差异的问题。具体表现为:当使用1.30.0.0版本和1.31.0.0版本的uplc工具评估同一个Plutus V1脚本时,得到了不同的评估结果。
技术细节
该问题涉及到一个Plutus V1脚本的评估过程,该脚本通过unsafeFromBuiltinData函数将ScriptContext转换为内置数据。用户提供了一个完全应用的flat十六进制编码脚本,并使用两种版本的uplc工具进行评估。
评估结果的主要差异体现在lambda表达式的变量引用上:
- 1.30.0.0版本输出:
(delay (lam i2 (lam i3 i2))) - 1.31.0.0版本输出:
(delay (lam i2 (lam i3 i3)))
这种差异看似微小,但实际上反映了变量绑定和引用机制的变化,可能对程序语义产生重要影响。
问题根源
经过项目维护者kwwxm和effectfully的调查,发现问题的根源在于UPLC AST中名称表示方式的变更:
-
UPLC AST内部使用两种名称表示形式:
- 字符串与唯一标识符配对
- 字符串与de Bruijn索引配对
-
在1.31.0.0版本中,默认的打印模式从显示唯一ID变为了显示de Bruijn索引(或反之),这导致了输出结果的差异。
-
用户没有指定
--print-mode Classic选项,导致使用了新的默认打印模式。
解决方案
要获得一致的评估结果,用户应该:
- 在1.31.0.0及更高版本中明确指定
--print-mode Classic选项 - 这样将强制使用传统的打印方式,确保与早期版本的结果一致
深入分析
Simple打印模式虽然在某些场景下有用(如golden测试中避免因变量重排序导致的测试变更),但在常规使用中可能会产生"不正确"的UPLC输出。这是因为:
- 它会忽略变量的唯一标识符
- 可能导致变量捕获问题
- 在重新解析时可能创建新的唯一标识符
因此,对于需要精确结果的场景,建议始终使用Classic打印模式。
结论
这个问题揭示了Plutus UPLC实现中名称处理和打印模式的重要细节。虽然表面上是打印输出的差异,但实际上反映了底层AST表示和变量绑定机制的复杂性。开发者在跨版本使用UPLC工具时,应当注意打印模式的配置,以确保结果的一致性和正确性。
项目维护者已经意识到这个问题,并计划进一步改进打印模式的处理逻辑,使其在不同场景下的行为更加明确和一致。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust022
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00