Verus项目中时间统计功能对spinoff_prover查询的遗漏问题分析
Verus是一个用于Rust的形式化验证工具,它提供了--time-expanded参数来输出详细的验证时间统计信息。然而,当前版本中存在一个关于spinoff_prover查询的时间统计遗漏问题,这会影响开发者对验证性能的准确评估。
问题现象
在Verus项目中,当使用#[verifier(spinoff_prover)]属性标记证明函数时,这些函数的验证时间不会被包含在--time-expanded的输出统计中。具体表现为:
- 普通证明函数(如示例中的
bar1)的验证时间会被正确统计 - 使用
spinoff_prover属性的证明函数(如示例中的bar2)的验证时间完全缺失 - 只有当模块中包含非
spinoff_prover函数时,该模块的时间统计才会出现
技术背景
spinoff_prover是Verus中的一个重要特性,它允许将特定的证明任务分离到独立的验证过程中。这种机制常用于处理复杂的非线性算术证明,或者需要特殊处理的验证场景。
Verus的时间统计系统基于"桶"(bucket)的概念组织验证时间数据,每个桶对应一个统计单元(如模块或函数)。当前实现中,系统会过滤掉仅包含函数的桶,这导致了纯spinoff_prover函数模块的统计遗漏。
问题根源
深入分析代码实现,问题出在时间统计的过滤逻辑上:
- 系统首先将所有验证任务按模块和函数分类到不同的桶中
- 然后过滤掉那些只包含函数级别的桶
- 由于
spinoff_prover函数会被单独处理,它们往往只存在于函数级别的桶中 - 因此这些函数的验证时间就被错误地过滤掉了
值得注意的是,使用by (nonlinear_arith)等内置策略的证明虽然也会触发spinoff_prover行为,但由于它们属于系统内置机制,仍然会被统计到时间数据中。
解决方案
针对这个问题,开发团队提出了两种可能的解决方案:
-
临时方案:当模块中只有
spinoff_prover证明函数时,仍然保留该模块的时间统计信息。这种方法实现简单但不够优雅。 -
统一方案:重构时间统计系统,统一以模块为基本单位进行统计,不再区分函数级别的桶。这种方法更符合实际使用场景,因为开发者通常更关心模块级别的验证性能。
影响与建议
这个问题会影响开发者:
- 对项目整体验证时间的准确评估
- 对
spinoff_prover函数性能的监控 - 对验证热点模块的识别
建议开发者在使用spinoff_prover时注意这个问题,或者等待官方修复。同时,可以通过在模块中添加非spinoff_prover函数的临时方案来确保时间统计的完整性。
总结
Verus的时间统计功能对spinoff_prover查询的遗漏是一个需要注意的实现细节问题。理解这一问题的原因和影响,有助于开发者更准确地评估验证性能,并做出相应的优化决策。开发团队已经意识到这个问题,并计划在后续版本中提供更完善的解决方案。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00