LaTeX2e 项目中的 `firstaid` 补丁与 `cleveref` 引用问题解析
问题背景
在 LaTeX 文档排版中,数学公式的交叉引用是一个常见需求。amsmath 宏包提供了 \tag 命令,允许用户为公式指定自定义标签,而 cleveref 宏包则提供了智能的交叉引用功能。然而,近期 firstaid 补丁包更新至 1.1g 版本后,用户发现使用 cleveref 引用带 \tag 的公式时出现了异常。
问题现象
当用户在 equation 环境中使用 \tag 命令自定义公式标签,并通过 cleveref 引用时,引用结果显示为"eq. (0)"而非预期的自定义标签。例如:
\documentclass{article}
\usepackage{amsmath,cleveref}
\begin{document}
\cref{eq:a}
\begin{equation}\tag{$*$}\label{eq:a}
a
\end{equation}
\end{document}
预期输出应为"eq. (*)",但实际输出为"eq. (0)"。
技术分析
根本原因
这一问题源于 firstaid 补丁包对 cleveref 宏包的修改。补丁包在 label 钩子中添加了处理逻辑,导致对带 \tag 的公式引用时,cleveref 无法正确识别自定义标签。
深层机制
-
amsmath的\tag机制:\tag命令会覆盖公式的自动编号,但原始编号信息仍保留在内部数据结构中。 -
cleveref的引用机制:cleveref通过分析 LaTeX 的标签系统来生成智能引用,需要正确识别公式的实际显示标签。 -
firstaid的干预:补丁包修改了标签处理流程,导致cleveref获取的是公式的内部编号而非显示标签。
解决方案
临时解决方案
对于简单文档,可以使用 equation* 环境替代 equation 环境:
\begin{equation*}\tag{$*$}\label{eq:a}
a
\end{equation*}
官方修复方案
开发团队已提交修复补丁,通过检测 \iftag@ 条件来正确处理带 \tag 的公式引用:
\makeatletter
\RemoveFromHook{label}[firstaid/cleveref]
\ExplSyntaxOn
\newif\iftag@ \tag@false %if amsmath is not loaded
\AddToHook{label}[firstaid/cleveref]
{%
\ifx
\@currentcounter\@empty
\else
\iftag@\else
\firstaid@cref@updatelabeldata{\@currentcounter}%
\fi
\fi}
\ExplSyntaxOff
\makeatother
最佳实践建议
- 当使用
\tag时,优先考虑equation*环境而非equation环境 - 在复杂文档结构中(如列表内的公式),注意测试引用是否正确
- 及时更新 LaTeX 发行版以获取官方修复
技术延伸
hyperref 兼容性问题
值得注意的是,即使在修复此问题后,hyperref 宏包与带 \tag 的 equation 环境仍存在兼容性问题。这种情况下,点击引用可能跳转到错误位置。这是 amsmath 和 hyperref 交互的长期问题,建议用户:
- 在需要
\tag时使用equation*环境 - 避免在
equation环境中使用\tag命令
文档结构影响
在列表等环境中引用带 \tag 的公式时,即使使用 equation* 也可能遇到引用格式问题。这需要额外注意测试和可能的样式调整。
结论
这一问题展示了 LaTeX 宏包间复杂交互可能导致的意外行为。通过理解各宏包的工作原理和相互作用,用户可以更好地诊断和解决类似问题。开发团队的快速响应也体现了 LaTeX 社区的活跃维护状态。建议用户关注官方更新,并遵循最佳实践来确保文档稳定性。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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