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智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00