LaTeX2e内核与cleveref宏包中\thepage命令的扩展问题解析
问题背景
在LaTeX文档排版过程中,页码标记命令\thepage的重新定义可能会引发一些技术问题。特别是当用户使用\protect宏来保护\thepage命令时,与\label命令的交互会出现异常。这个问题在LaTeX2e内核与cleveref宏包的配合使用中尤为明显。
问题重现
考虑以下最小示例代码:
\documentclass{book}
\usepackage{cleveref}
\renewcommand{\thepage}{\textbf{\arabic{page}}}
\begin{document}
Text\label{error}.
\end{document}
在这个例子中,用户将\thepage重新定义为带有\textbf命令的格式。这种修改会导致LaTeX在处理\label命令时出现问题。
技术分析
问题的根源在于LaTeX内核中\label命令对\thepage的处理方式。在LaTeX2e的firstaid补丁中,\label@noarg和\label@optarg两个关键宏使用\edef来扩展\thepage命令。\edef会强制完全展开其内容,这可能导致受保护的命令被过早展开,从而引发错误。
解决方案
更安全的做法是使用\protected@edef代替\edef来扩展\thepage命令。\protected@edef会尊重\protect命令的保护机制,避免过早展开受保护的宏。这一改进已经被纳入LaTeX2e内核的后续版本中。
影响范围
这个问题不仅影响直接使用\thepage重定义的用户,还会影响那些依赖页码标记的宏包和自定义命令。特别是在使用cleveref这类高级交叉引用宏包时,问题会更加明显。
最佳实践建议
-
对于普通用户:如果需要在文档中重定义
\thepage命令,建议使用LaTeX2e的最新版本,以避免此类问题。 -
对于宏包开发者:在处理可能包含保护命令的计数器输出时,应当优先考虑使用
\protected@edef而非\edef,以确保宏的健壮性。 -
对于系统维护者:应当关注LaTeX2e内核的更新,及时获取包含此修复的版本。
结论
LaTeX2e内核对此问题的修复体现了对向后兼容性和健壮性的重视。这一改进不仅解决了当前的问题,还为未来可能出现的类似情况提供了更好的处理机制。用户和开发者都应当了解这一变化,以确保文档和宏包的稳定运行。
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