ISPC项目在macOS上构建LLVM 18.1+版本时需注意libunwind依赖问题
在构建ISPC编译器时,开发团队发现当使用macOS系统编译LLVM 18.1及以上版本时,会出现一个关键的构建错误。这个问题源于LLVM运行时库配置的变化,需要特别处理libunwind的依赖关系。
问题背景
LLVM 18.1版本引入了一个新的构建要求:当启用LIBCXXABI_USE_LLVM_UNWINDER选项时,必须在LLVM_ENABLE_RUNTIMES中明确指定libunwind。这个变化导致在macOS系统上构建ISPC时会出现配置错误,错误信息明确指出缺少必要的运行时库配置。
技术细节
libunwind是LLVM项目中的一个重要组件,负责处理程序栈展开和异常处理。在LLVM 18.1之前,这个依赖关系可能是隐式处理的,但从18.1版本开始,构建系统要求显式声明这一依赖。
构建错误具体表现为CMake配置阶段失败,系统会提示:
LIBCXXABI_USE_LLVM_UNWINDER is设置为ON,但未在LLVM_ENABLE_RUNTIMES中指定libunwind
解决方案
对于ISPC项目,开发团队已经通过两种方式解决了这个问题:
-
在alloy.py构建脚本中,通过提交修复了这个问题,确保在构建LLVM 18.1+时正确包含libunwind依赖。
-
对于superbuild(目前ISPC推荐的发布构建方式),也需要进行相应的配置调整。虽然这个问题仅影响LLVM 18.1及更高版本,但对早期版本进行相同的配置修改也不会产生负面影响。
构建建议
对于需要在macOS上构建ISPC的开发者和用户,建议:
-
如果使用LLVM 18.1或更高版本,确保构建配置中正确处理了libunwind依赖关系。
-
即使构建较早版本的LLVM,也可以预先包含libunwind配置,这不会影响构建结果,但可以提高构建系统的兼容性。
-
关注ISPC项目的构建脚本更新,特别是alloy.py和superbuild相关的配置变更。
这个问题展示了LLVM生态系统中的一个常见挑战:随着LLVM版本的演进,构建要求和依赖关系可能会发生变化,需要构建系统维护者及时跟进调整。ISPC团队对此类问题的快速响应确保了项目在不同平台和LLVM版本上的持续兼容性。
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
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