Icarus Verilog中未实现sv_literals测试的技术分析
2025-06-27 08:16:59作者:裴锟轩Denise
概述
在Icarus Verilog项目中,sv_literals测试用例(ivtest/ivltests/sv_literals.v)虽然能够成功编译,但在运行时会产生错误。这个问题涉及到Verilog和SystemVerilog中未指定大小的字面量(literals)处理方式,特别是符号扩展和零扩展的行为差异。
问题现象
测试运行时产生的错误信息显示,多个比较操作失败,主要涉及不同基数(二进制、八进制、十六进制)的未指定大小字面量的值不匹配。例如:
FAILED -- lsv = 'b1111111111111111 != 'sb1
FAILED -- lsv = 'b1111111111111111 != 'sb11
这些错误表明系统在处理未指定大小的有符号字面量时,符号扩展行为与预期不符。
技术背景
在Verilog/SystemVerilog中,未指定大小的数字字面量(unsized literals)的处理规则如下:
- 默认情况下,未指定大小的字面量被视为32位整数
- 当用于宽度大于32位的表达式时:
- 如果最高有效位是未知(X)或三态(Z),则最高位会被扩展到表达式的大小
- 否则,有符号常量进行符号扩展,无符号常量进行零扩展
SystemVerilog明确要求整数的位宽必须为32位。
问题根源
Icarus Verilog当前实现将未指定大小的数字视为仅够表示该值所需的最小位数,然后在赋值时进行符号扩展。这与标准规定不符,标准要求应首先将值零扩展到32位。
具体来说,当前实现导致以下问题:
- 对于小于32位的值,当最高位为1时,会被错误地进行符号扩展
- 处理方式与
-gstrict-expr-width选项对未指定大小十进制字面量的处理不一致
解决方案
经过项目维护团队的讨论,决定采用以下修复方案:
- 将未指定大小字面量零扩展到32位(整数宽度),但不进行更大扩展
- 确保处理方式与
-gstrict-expr-width选项保持一致,实现行为统一性 - 对于32位或更宽的值,保持最高位的符号扩展行为
这种处理方式既符合标准规范,又能保证系统内部行为的一致性。
修复效果
该修复已合并到主分支,解决了以下问题:
- 正确处理未指定大小有符号字面量的扩展行为
- 确保测试用例sv_literals.v能够通过
- 保持与标准和其他仿真器行为的一致性
总结
这个问题展示了数字字面量处理在Verilog/SystemVerilog中的复杂性,特别是在涉及符号扩展和位宽推断时。Icarus Verilog团队通过深入分析标准规范和技术讨论,实现了符合预期的行为,提高了工具的兼容性和可靠性。对于Verilog开发者而言,理解字面量处理规则对于编写可移植代码至关重要。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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++
689
325
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
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
492