Verus语言中choose表达式返回元组的类型推导优化
2025-07-09 10:16:39作者:舒璇辛Bertina
在形式化验证工具Verus的开发过程中,我们发现了一个关于choose表达式类型推导的有趣问题。choose是Verus提供的一个强大功能,允许开发者从满足特定条件的值中选择一个实例,这在形式化验证中非常有用。
问题背景
在Verus的文档示例中,展示了如何使用choose表达式来选择满足less_than条件的整数对:
spec fn less_than(x: int, y: int) -> bool {
x < y
}
proof fn test_choose_succeeds2() {
assert(less_than(3, 7));
let (x, y): (int, int) = choose|i: int, j: int| less_than(i, j);
assert(x < y);
}
当前实现中,开发者需要显式地为元组(x, y)添加类型注解: (int, int),这增加了代码冗余。理想情况下,Verus应该能够自动推导出这个类型信息。
技术分析
choose表达式在Verus中扮演着重要角色,它允许从满足给定谓词的值中选择实例。在这个例子中,我们选择的是两个整数i和j,它们满足i < j的关系。
类型推导问题出现在元组解构时。Verus目前无法自动推导出choose返回的元组类型,尽管从上下文可以清楚地看出:
- less_than函数的参数类型明确为int
- choose绑定的变量i和j也显式声明为int类型
- 返回的元组(x, y)显然应该与(i, j)类型相同
解决方案
要解决这个问题,我们需要增强Verus的类型推导能力,特别是在处理choose表达式返回的元组时。具体来说:
- 编译器应该利用choose绑定的变量类型信息
- 当元组模式匹配与choose结合时,应该自动传播类型信息
- 保持与Rust一致的类型推导行为,确保一致性
实现这一改进后,开发者可以简化为:
let (x, y) = choose|i: int, j: int| less_than(i, j);
影响与意义
这一改进虽然看似微小,但对于Verus的用户体验有显著提升:
- 减少样板代码,使验证代码更加简洁
- 保持类型安全的同时提高开发效率
- 使Verus的类型推导更加智能,接近现代编程语言的期望
对于形式化验证工具而言,这类改进有助于降低入门门槛,让开发者更专注于验证逻辑本身而非语法细节。
总结
Verus团队已经解决了这个问题,移除了文档中的TODO注释。这一改进体现了Verus持续优化用户体验的承诺,也展示了形式化验证工具在保持严谨性的同时追求开发便利性的平衡艺术。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
661