LFortran编译器v0.45.0版本发布:Fortran现代化进程的重要里程碑
LFortran是一个开源的Fortran编译器项目,致力于为科学计算领域提供现代化的Fortran编译工具链。该项目采用模块化设计,支持从Fortran源代码到多种目标格式的转换,包括AST、ASR、LLVM IR等中间表示,最终生成高效的可执行代码。LFortran特别注重对现代Fortran标准的支持,同时保持与遗留代码的兼容性。
核心改进
数组处理能力显著增强
本次更新对数组操作进行了多项重要改进。编译器现在能够正确处理多维数组的构造和操作,包括1D、2D和3D数组。特别值得注意的是对数组构造器(ArrayConstructor)的改进,现在可以直接使用固定大小的数组构造器,而不再需要依赖ArrayPhysicalCast转换,这显著提升了编译效率和生成代码的质量。
在数组移位操作方面,修复了dshiftr和dshiftl内在函数的实现,现在能够正确处理不同kind值的参数,并提供了更准确的错误消息。同时,cshift函数在1D数组情况下的行为也得到了修正。
内在函数支持扩展
新版本增强了对Fortran内在函数的支持:
- 改进了
findloc函数,现在支持复数类型的参数 - 修正了
repeat内在函数,确保只接受标量参数 - 修复了
ieee_arithmetic模块中单精度(sp)和双精度(dp)类型的提供方式 - 改进了
/=操作符的实现,使用无序比较以正确处理NaN值
类型系统和错误处理
类型系统方面有几个重要改进:
- 增强了
selected_int_kind、selected_real_kind和selected_char_kind函数的参数检查,确保只接受标量参数 - 改进了逻辑表达式的处理,现在会在IF语句中检查表达式是否为逻辑类型,并提供更友好的错误消息
- 修正了
iso_c_binding模块中常量的值设置
编译器架构优化
中间表示改进
在编译器内部架构方面,对中间表示进行了多项优化:
- 增强了对
ArraySection和ArrayItem的支持,现在可以处理各种类型的索引表达式 - 改进了临时变量的创建策略,特别是在处理标量函数调用和数组操作时
- 实现了数组大小的深度拷贝机制,避免运行时数组大小的意外改变
过程变量支持
新版本显著增强了对过程变量的支持,使得Fortran中的函数指针和过程参数能够更稳健地工作。这一改进为支持更复杂的函数式编程模式奠定了基础。
标准兼容性提升
在语言标准支持方面:
- 增强了对固定格式(Fixed Form)源代码中"star"声明的处理
- 改进了无
program行的程序解析,确保正确创建AST节点 - 增加了对
close语句中status参数的支持
性能优化
内存操作方面修复了一个重要问题,修正了memcpy调用中目标(dest)和源(src)参数被交换的错误,这可能会影响某些情况下的程序正确性和性能。
开发者体验
项目文档方面也有显著改进,贡献指南(CONTRIBUTING.md)现在提供了更详细的步骤说明,帮助新开发者更快上手。社区还新增了YouTube教程链接,直观展示如何修复问题。
测试与验证
测试套件得到了显著扩展,新增了多项测试用例:
- 针对元素函数(elemental function)的多维数组测试(1D、2D和3D)
- 增加了外部整型(kind 8)作为数组大小的测试用例
- 完善了数组通过数据传递(pass_array_by_data)的测试场景
构建系统改进
构建系统现在使用find_package而不是find_library来查找libunwind,这提高了构建的可靠性。持续集成(CI)流程也得到了优化,包括分离tarball生成任务和调整PRIMA测试的工作流程。
这个版本标志着LFortran在稳定性、功能完整性和标准兼容性方面又向前迈进了一大步,为科学计算社区提供了更可靠的Fortran编译解决方案。
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