Verus项目中的追踪引用与old表达式交互问题分析
2025-07-09 21:57:47作者:傅爽业Veleda
Verus作为一种形式化验证工具,在处理追踪引用(tracked reference)与old表达式交互时存在一个需要特别注意的问题。本文将深入分析这一技术细节,帮助开发者理解其背后的原理及解决方案。
问题背景
在Verus的验证系统中,追踪引用(tracked reference)是一种特殊的引用类型,用于在验证过程中跟踪资源的所有权状态。当这种引用与old表达式结合使用时,会出现意外的panic情况。考虑以下示例代码:
struct X { }
proof fn g(tracked m: &X) {
// 使用追踪引用
}
proof fn f(tracked m: &mut X) {
g(&*old(m)); // 这里会导致panic
}
技术分析
追踪引用的特性
追踪引用是Verus验证系统中的核心概念之一,它具有以下特点:
- 在验证时会被特殊处理,用于跟踪资源的所有权状态
- 必须显式声明为
tracked类型 - 遵循严格的借用规则,确保验证的正确性
old表达式的作用
old表达式在Verus中用于获取某个变量在函数开始时的状态值。它的主要用途包括:
- 在函数后置条件中引用初始状态
- 在函数体内部需要比较当前值与初始值时使用
问题根源
当我们将追踪引用与old表达式结合使用时,Verus的类型系统无法正确处理这种组合。具体来说:
old(m)会尝试获取m在函数开始时的状态- 但
m是一个追踪引用,其状态包含所有权信息 - 当前实现无法正确保留追踪引用的所有权语义
解决方案
Verus团队已经通过提交修复了这个问题。修复的核心思路是:
- 明确禁止在追踪引用上直接使用old表达式
- 提供替代方案来处理需要引用初始状态的情况
- 在类型检查阶段捕获这种非法使用,而不是在运行时panic
最佳实践
为了避免类似问题,开发者应遵循以下准则:
- 避免在追踪引用上直接使用old表达式
- 如果确实需要引用初始状态,考虑使用非追踪引用
- 仔细设计函数接口,明确区分需要追踪和不需要追踪的引用
- 在验证代码中保持引用类型的清晰和一致
总结
Verus中追踪引用与old表达式的交互问题揭示了形式化验证系统中类型系统和所有权模型的复杂性。理解这些底层机制对于编写正确的验证代码至关重要。随着Verus的持续发展,这类边界情况的处理将变得更加完善和用户友好。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210