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。
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