Newshot

Show HN:用 AI 构建编译器并运行于 ARM64、WASM、SPIR-V

Translation(model translation, not the source's own text)

Show HN:用 AI 将编译器自举到 ARM64、WASM、SPIR-V

seed/:从无到有的编译器链

Drake 的问题:C 由 B 构建,B 又来自更古老的东西。如果每个旧工具都加入了错误或浪费,我就会继承这一切。所以这个文件夹从几百个手写字节开始,一步一步长出一套工具链,现有的 C 编译器与 GNU 工具只作为检查答案的裁判,从不作为构建者。

当前完整性审计(已实现领域、未完成的编译器工作,以及因决策或外部存储而受阻的部分)见 docs/one_layer/OM_COMPLETION.md。

标量 OSC IR 后端是 wasm/irwasm.om(WebAssembly MVP)和 spirv/irspirv.om(SPIR-V 1.0 OpenCL Kernel)。两者都由种子 omc 编译。IR 模式转换 (TYPE value) 按操作数自身的类型读取并转换它,与 AArch64 路径相同,因此 ret ulong sub c 48 with c a uchar 可以编译。转换中的裸数字会按转换目标类型进行范围检查(错误 8),而 bool 只能通过比较与数字相互转换(错误 9)。seed/omc/gate-ir.sh 固定了 21 个转换单元与 C oracle 对照,外加 6 个转换拒绝;把操作数读取改回按转换目标类型读取会使该检查门失败。

参见 SPIR-V 用法、CPU 一致性检查门和 OpenCL 演示。

要在你自己的 AArch64 Linux 机器上从 408 字节的种子重建 omc,并对照已发布的哈希检查每一级而不改动受跟踪文件,请运行 sh seed/challenge/run.sh(见 seed-chain 自举挑战)。

在提交 e5b32567(2026-10-27)中,编译器源码

文章标题:Show HN: Bootstrapping a compiler with AI run on to ARM64, WASM, SPIR-V

正文:

  • 对照项:错误的名字会被捕获;错误字符和写了一半的单词会被拒绝。
  • 直说局限:我自己的解码器不认识“系统调用”指令(SVC,72 个指令字中的 3 个),也不读取比较指令的立即数;对这些,objdump 和注释中的手工解码就是检查手段。

第 1 级:hex1,标签(完成)

  • rung1/hex1.hex:164 条指令加 30 字头部,用 seed-0 的语言写成,由 seed-0 构建(776 字节)。
  • 它新增了什么:为位置命名。:c 标记程序中的一个位置,分支字之后的 @c 填入“跳到 c 有多远”。这让编写者不必手工计算距离,而手工计算距离正是编写机器字时最容易出错的部分。标签长度为 1 个字符;只有一种分支形式(条件分支使用的 19 位距离字段;无条件跳转使用“always”条件,因此能装进同一形式)。
  • 检查(rung1/gate1.sh,结果在 evidence/SEED-0/rung1/):seed-0 构建 hex1;hex1 随后把自身重建为相同的字节;我手工数了 hex1 内部全部 50 个跳转距离。作为交叉检查,把一份 hex1 的副本中这些距离抹掉并替换为标签(rung1/hex1.hex1),喂给 hex1:它还原出完全相同的程序,因此 hex1 的算术和我的计数在每个跳转上都一致;两个解码器与每条具名指令都一致(0 处分歧,rung1/hex1.audit);对照项:seed-0 拒绝标签(它从未学过标签);缺失、重复和位置错误的标签会以各自的错误码被拒绝。
  • seed-0 构建 hex1;hex1 随后把自身重建为相同的字节;
  • 我手工数了 hex1 内部全部 50 个跳转距离。作为交叉检查,把一份 hex1 的副本中这些距离抹掉并替换为标签(rung1/hex1.hex1),喂给 hex1:它还原出完全相同的程序,因此 hex1 的算术和我的计数在每个跳转上都一致;
  • 两个解码器与每条具名指令都一致(0 处分歧,rung1/hex1.audit);
  • 对照项:seed-0 拒绝标签(它从未学过标签);缺失、重复和位置错误的标签会以各自的错误码被拒绝。

第 2 级:asm2,按名字使用指令(完成)

  • rung2/table.s2:指令表,纯文本。每条指令一行:它的名字、永不改变的位、以及每个操作数放在哪里,例如 = add.x 0x8b000000 r0 r5 r16(“add,64 位:目标寄存器在第 0 位,第一个源在第 5 位,第二个源在第 16 位”)。每一行都注明其手册章节。任何人都能读懂并检查它,无需了解 asm2 内部如何工作。
  • rung2/asm2.hex1:汇编器,580 条指令,用 hex1 的语言写成(带标签),由 hex1 构建(2464 字节)。它先读表,再读用这些名字和最长 16 个字符的标签写成的程序,然后写出机器字。出错时它会带行号停下。
  • 检查(rung2/gate2.sh,结果在 evidence/SEED-0/rung2/):hex1 构建 asm2;用其自身语言写成的 asm2(rung2/asm2.s)汇编后还原为完全相同的 2464 字节,因此可读的表和我手工编写的字在全部 580 条指令上一致;两个解码器与每条具名指令都一致(0 处分歧,rung2/asm2.audit);对照 C 编码器(裁判):它知道的全部 25 种指令形式,5,496 个用例,寄存器和数字取各自极限,跳转取每种形式能容纳的最远距离:asm2 和 C 编码器每次都给出相同的字(encoder-compare.tsv)。没有出现分歧,因此手册不必裁定任何一处;两者都拒绝相同的越界数字;asm2 的每条错误消息都能在错误输入上触发。直说局限:最远的普通跳转(b,约 128 MiB 远)无法通过标签测试,因为 asm2 的输出缓冲区是 8 MiB;它用直接写数字的方式在其极限上测试,通过标签则测试到最多 1,048,575 字。

文章标题:Show HN: Bootstrapping a compiler with AI run on to ARM64, WASM, SPIR-V

正文:

  • hex1 构建 asm2;用其自身语言编写的 asm2(rung2/asm2.s)重新汇编后得到完全相同的 2464 字节,因此可读表格与我手工编写的字在全部 580 条指令上一致;
  • 两个解码器与每一条具名指令都一致(0 处分歧,rung2/asm2.audit);
  • 对照 C 编码器(裁判):它已知的全部 25 种指令形式,5,496 个用例,寄存器和数字都取到极限,跳转取到每种形式能容纳的最远距离:asm2 和 C 编码器每次给出相同的字(encoder-compare.tsv)。没有出现分歧,因此无需由手册来裁定;
  • 两者都拒绝相同的越界数字;asm2 的每条错误消息都能在损坏的输入上触发。
  • 明确说明的局限:最远的普通跳转(b,约 128 MiB 远)无法通过标签测试,因为 asm2 的输出缓冲区是 8 MiB;它用写死的数字在其极限处测试,并通过标签测试到 1,048,575 个字。

Rung 3: om3, a translator for Omegese (done)

  • rung3/om3.s:一个从 Omegese(模型编写的小型程序语言,见 docs/one_layer/OMEGESE.md)到机器字的翻译器。它是用 asm2 的语言编写的 1,486 条指令,由 asm2 构建(7,092 字节,rung3/om3.bin)。rung3/table3.s2 向 asm2 的表格添加 5 行指令,每行都标明其手册章节。
  • 它读取什么:一个 Omegese 函数。它写出什么:该函数的机器字,可以按照现有 C 编译器输出的调用方式被调用(输入、结果和错误的规则相同)。
  • 子集增长到 10 个公开练习任务实际使用的范围:全部九种数字类型,if/else,带限制的 while,for,return,以及加、减、乘、除、取余、与/或/异或、移位、比较、取负、取反和类型转换,每一种都有与 C 路径相同的错误停止(“陷阱”):有符号数溢出、除以零、循环超出其限制、转换不适用、移位过远。对于任务不使用的内容(有符号除法、调用、数组、多于一个函数),它以自己的错误编号拒绝。
  • 它如何构建代码:每个名字在存在期间都获得自己的寄存器。C 路径将每个值保存在内存中,并在每一步前后加载和存储它(这是其文档化设计,OSC-1 设计第 7 节,“无寄存器分配”),因此下面字数上的差异衡量的是这一选择。
  • 检查(rung3/gate3.sh,结果在 build/seed/r3/evidence/,与记录的收据 evidence/SEED-0/rung3/ 比较,从不覆盖它):asm2 两次构建 om3 得到相同字节;objdump(裁判)将全部 1,486 条指令读回,与 om3.s 中写明的名字、寄存器、数字和跳转目标一致:0 处分歧(rung3/om3.audit);文本中植入的五处错误每处都被捕获;10 个公开练习任务,共 80 个测试输入,其中 9 个以错误停止结束:om3 生成的函数给出的结果与 C 路径(omegese emit、omega_emit、C 后端)完全相同,精确到原始 64 位寄存器,也与每个任务的预期答案相同。同一个运行器(check/runner.c,一个裁判)调用两者;om3 生成的每个字都是真实指令;om3 拒绝 14 个损坏或超出子集的程序,每个都有其自己的错误编号。

检查(rung3/gate3.sh,结果在 build/seed/r3/evidence/,与记录的收据 evidence/SEED-0/rung3/ 比较,从不覆盖它):

  • asm2 两次构建 om3 得到相同字节;objdump(裁判)将全部 1,486 条指令读回,与 om3.s 中写明的名字、寄存器、数字和跳转目标一致:0 处分歧(rung3/om3.audit);文本中植入的五处错误每处都被捕获;

文章标题:Show HN: Bootstrapping a compiler with AI run on to ARM64, WASM, SPIR-V

正文:

  • 10 个公开练习任务,共 80 个测试输入,其中 9 个以错误停止结束:om3 生成的函数与 C 路径(omegese emit、omega_emit、C 后端)产生完全相同的结果,精确到原始 64 位寄存器,并且与每个任务的预期答案也相同。同一个 runner(check/runner.c,一个裁判)调用两者;
  • om3 生成的每个字都是真实指令;om3 拒绝 14 个损坏或超出子集的程序,每个都有自己的错误编号。
  • 每个任务的机器码字数(仅计数,不计时;evidence/SEED-0/rung3/words.tsv):task C path seed chain dev01 clamp_add 58 17 dev02 absdiff 48 16 dev03 popcount 80 15 dev04 gcd 71 20 dev05 checked_mul 23 9 dev06 safe_div 21 8 dev07 isqrt 95 29 dev08 collatz_steps 111 28 dev09 bitrev8 73 14 dev10 to_i8 20 8 total 600 164 直白地说:seed chain 在每个任务上都使用更少的字,总计 164 对 600(27%)。差距的大部分来自 C 路径选定的设计(每个值都写入内存再读回,见上文),而不是从旧工具继承下来的缺陷。

每个任务的机器码字数(仅计数,不计时;evidence/SEED-0/rung3/words.tsv):

taskC pathseed chain
dev01 clamp_add5817
dev02 absdiff4816
dev03 popcount8015
dev04 gcd7120
dev05 checked_mul239
dev06 safe_div218
dev07 isqrt9529
dev08 collatz_steps11128
dev09 bitrev87314
dev10 to_i8208
total600164

直白地说:seed chain 在每个任务上都使用更少的字,总计 164 对 600(27%)。差距的大部分来自 C 路径选定的设计(每个值都写入内存再读回,见上文),而不是从旧工具继承下来的缺陷。

Rung 4: om4, the systems words a compiler needs (done)

  • rung4/om4.s:om3 逐特性生长为一个能够构建真实程序的翻译器。它约 4,000 行 asm2 语言,由 asm2 构建(14,224 字节,rung4/om4.bin);rung4/table4.s2 为 om4 自身使用新增了 3 行指令,每行都注明其手册章节;rung4/mk4.sh 将文件自身大小写入其头部(asm2 无法累加大小)。
  • 函数表:4096 个条目,每个 128 字节,位于 0x19f0000,在调用记录之后,因此 om4 持有与 omc 相同的 4096 个函数(第 4097 个是错误 14,gate4.sh 第 7b 节)。在 om4 d0da40e4 之前,表格在 0x1840000 处有 512 个条目,且 omc.om 自身必须保持在这些条目之内。这次移动改变了五个指令字和 p_memsz 字,不改变文件大小;om4 所诞生的 omc 字节相同。
  • 它新增的内容,以及每项为何必要(每个新字都被 R5 阶梯的 Omega 编译器或测试程序使用):许多函数,以及一个名称遍历,使调用可以命名单元中的任何函数,无论在前还是在后(后面的函数是调用,绝不是新的标量)。程序模式可以相互递归。函数模式拒绝调用循环,包括函数调用自身,作为错误 9;整个程序:带有 fn main 的源文件输出为完整的 Linux 程序,文件头手工布局,无链接器;它运行、读取输入、写入输出并退出;固定池(全局):用于源文本、表格和输出的内存在程序被翻译时确定大小。完全没有堆,依据 Drake 的规则 24;局部数组(新),函数的数组输入(视图只读,编辑可写),get、put、len;每个数组携带其长度,每个索引都被检查。没有 free:没有任何东西被手工归还(规则 24);fm7 和 fm8 与需要 free 的 C 路径语言共享,它们被交给 om4 时去掉了 free 行;文本:一段固定字节(错误消息、关键字列表),与其长度一起存储;read、write、exit:编译器所需的三个 Linux 调用(stdin 输入、stdout 输出、一个状态);有符号除法、取余和移位,true/false,带计算次数的 for,注释行。每个新字的准确含义,以及哪个检查测试它,见 docs/one_layer/OMEGESE.md 第 9 节。
  • 多个函数,以及一个名称处理环节,使得一次调用可以指名编译单元中位于其前或其后的任意函数(位于其后的函数只被调用,绝不会新建标量)。程序模式可以相互递归。函数模式拒绝调用环,包括函数调用自身,记为 error 9;
  • 完整程序:带 fn main 的源文件会被输出为完整的 Linux 程序,文件头由手工排布,无链接器;它运行、读取输入、写出输出然后退出;
  • 固定池(全局):用于源文本、表以及输出的内存,在程序被翻译时确定大小。依据 Drake 的规则 24,完全不存在堆;
  • 局部数组(新增)、函数的数组输入(view 只读,edit 可写)、get、put、len;每个数组都携带其长度,每个索引都会被检查。没有 free:不会有任何东西被手工归还(规则 24);与 C 路径共享的 fm7 和 fm8(该路径的语言需要 free)在提供给 om4 时去掉了它们的 free 行;
  • 文本:一段固定的字节(一条错误消息、关键字列表),与其长度一同存储;
  • read、write、exit:编译器所需的三个 Linux 调用(stdin 进,stdout 出,一个状态码);
  • 有符号除法、取余与移位,true/false,带计算次数的 for,注释行。每个新词的精确含义,以及哪项检查会检验它,见 docs/one_layer/OMEGESE.md 第 9 节。
  • 来自 B 到 C 教训(Drake,决策 16-24)的规则,以及 om4 如何遵守它们:没有终止字节:数组和文本知道自己的长度(om4 自身不再在其输入中寻找结束字节);不写长度的数组会被拒绝;没有指针:你只能索引数组,且索引会被检查;没有隐藏共享:同一个数组不能在一次调用中被传递两次,全局池则完全不会被传递,因此两个名称永远不会指向同一块内存;没有未定义行为:无符号数回绕,有符号数溢出时以错误(“trap”)停止,除零会 trap,错误的索引会 trap,栈耗尽会 trap;规范中没有“undefined”(gate 通过搜索来检查);没有自动转换:在一次运算中混用两种类型会被拒绝;容量(决策 23):超出容量的输入会以 error 14 被拒绝,绝不会越界。om4 保留其固定表。2026-11-11 为 omc 修订(Drake:不对我们自己的软件施加硬性上限;而是发出通知并修复):omc 的表在一个 arena 中增长,而该 arena 本身在运行时增长(一个运行时池,docs/RUNTIME-POOLS.md landing 2),因此剩下的拒绝情形是宿主拒绝该增长,以及值的嵌套超出 omc 自身的栈,并且有一项测试改为对用量发出警报(seed/omc/gate-usage.sh、gate-nocaps.sh;docs/one_layer/OMEGESE.md 9.6)。
  • 没有终止字节:数组和文本知道自己的长度(om4 自身不再在其输入中寻找结束字节);不写长度的数组会被拒绝;
  • 没有指针:你只能索引数组,且索引会被检查;
  • 没有隐藏共享:同一个数组不能在一次调用中被传递两次,全局池则完全不会被传递,因此两个名称永远不会指向同一块内存;
  • 没有未定义行为:无符号数回绕,有符号数溢出时以错误(“trap”)停止,除零会 trap,错误的索引会 trap,栈耗尽会 trap;规范中没有“undefined”(gate 通过搜索来检查);
  • 没有自动转换:在一次运算中混用两种类型会被拒绝;
  • 容量(决策 23):超出容量的输入会以 error 14 被拒绝,绝不会越界。om4 保留其固定表。2026-11-11 为 omc 修订(Drake:不对我们自己的软件施加硬性上限;而是发出通知并修复):omc 的表在一个 arena 中增长,而该 arena 本身在运行时增长(一个运行时池,docs/RUNTIME-POOLS.md landing 2),因此剩下的拒绝情形是宿主拒绝该增长,以及值的嵌套超出 omc 自身的栈,并且有一项测试改为对用量发出警报(seed/omc/gate-usage.sh、gate-nocaps.sh;docs/one_layer/OMEGESE.md 9.6)。

文章标题:Show HN: Bootstrapping a compiler with AI run on to ARM64, WASM, SPIR-V

正文:

  • 检查项(rung4/gate4.sh,结果存放在 build/seed/r4/evidence/,与已记录的凭据 evidence/SEED-0/rung4/ 比对,绝不覆盖原文件),217 个用例全部通过:asm2 将 om4 重建为相同的字节;objdump(裁判)将全部 3,170 条指令读回,与 om4.s 所述一致(0 处分歧);文本中植入的五处错误均被捕获;10 个练习任务:om4 生成与 om3 完全相同的机器字,且结果与 C 路径(80 个输入)及预期答案一致;9 个采用旧调用形式的新程序,C 路径也能表达(有符号除法与取余在极限值处、有符号移位、调用、计算型循环次数、局部数组、错误索引):om4 与 C 路径在全部 69 个输入上给出相同结果或相同的陷阱;4 个完整程序对照已提交的预期输出(运行时无 C 对照实现):递归 Fibonacci、排序 1,000 个数、回显 50,000 字节的 fixture 数据、一个将输入反转的字节复制:每次输出相同;14 个必须以给定状态或值停止的完整程序(其中包括以 ulong 数值读取的 2^64 - 1 和 2^63,在独立解释器 L412 发现 om4 拒绝它们之后已修复):除以零、错误索引、越界读取、循环上限、错误转换、溢出、栈耗尽、退出,以及一个 void 调用:每个都按所写方式停止;41 个损坏或禁止的程序被拒绝,每个都有各自的错误编号,其中包括一个嵌套深度达 1,025 层的值(om4 过去在极深嵌套时会崩溃;现在它在 1,024 层以错误 14 停止);一个改动了一个指令字的 om4 副本(将有符号除法改为无符号)给出不同结果,因此这些检查会注意到此类失误。
  • asm2 将 om4 重建为相同的字节;objdump(裁判)将全部 3,170 条指令读回,与 om4.s 所述一致(0 处分歧);文本中植入的五处错误均被捕获;
  • 10 个练习任务:om4 生成与 om3 完全相同的机器字,且结果与 C 路径(80 个输入)及预期答案一致;
  • 9 个采用旧调用形式的新程序,C 路径也能表达(有符号除法与取余在极限值处、有符号移位、调用、计算型循环次数、局部数组、错误索引):om4 与 C 路径在全部 69 个输入上给出相同结果或相同的陷阱;
  • 4 个完整程序对照已提交的预期输出(运行时无 C 对照实现):递归 Fibonacci、排序 1,000 个数、回显 50,000 字节的 fixture 数据、一个将输入反转的字节复制:每次输出相同;
  • 14 个必须以给定状态或值停止的完整程序(其中包括以 ulong 数值读取的 2^64 - 1 和 2^63,在独立解释器 L412 发现 om4 拒绝它们之后已修复):除以零、错误索引、越界读取、循环上限、错误转换、溢出、栈耗尽、退出,以及一个 void 调用:每个都按所写方式停止;
  • 41 个损坏或禁止的程序被拒绝,每个都有各自的错误编号,其中包括一个嵌套深度达 1,025 层的值(om4 过去在极深嵌套时会崩溃;现在它在 1,024 层以错误 14 停止);
  • 一个改动了一个指令字的 om4 副本(将有符号除法改为无符号)给出不同结果,因此这些检查会注意到此类失误。
  • 每个程序的机器字数,在 C 路径可以表达的情况下(evidence/SEED-0/rung4/words.tsv):10 个练习任务与 om3 相同,为 164 个字(C 路径 600)。9 个新程序:C 路径 552,om4 267。有一个比 C 路径更大:带三次调用的程序(79 对 59),因为每次调用都会保存并恢复所有在用寄存器。

文章标题:Show HN: 用 AI 引导编译器,运行于 ARM64、WASM、SPIR-V

  • 明说限制:变量名最多 8 个字符;一个函数用于其名称和工作值最多可使用 16 个寄存器(超过此限,om4 以错误 12 停止)。omegese next(列出合法后继词的 C 工具)不认识新词,因此对这些词的后继词检查由我自行完成(决定 22,gate4 第 10 节,check/nextfuzz.sh):生成 20 个使用每个新词的随机程序(check/nextgen.awk)并全部接受;然后每个程序在每个词后截断,并将每个词替换为错误的词,共 4,860 个输入,om4 对每一个都给出其结果或错误号,从不崩溃。

阶段 5:Atlas 重生(完成)

  • atlas/atlas.s2:Atlas 引导映像(模拟机器运行的第一个程序,它在交接前检查下一阶段的指纹),逐行从 ~/workspace/atlas/atlas.s 及其 SHA-256 代码以 asm2 的语言编写。旧链接器放置各部件的方式(代码在 0,消息、指纹、常量、SHA-256 代码从字节 384 开始,其表在字节 1224)在同一文件中手工写出。atlas/table5.s2 添加 28 条指令行,每条都标明其手册章节。
  • 由 asm2 构建,无 GNU 汇编器,无链接器:atlas/atlas.bin,1,480 字节。
  • 检查(atlas/gate5.sh,结果在 build/seed/r5/evidence/,与记录的收据 evidence/SEED-0/rung5/ 比较,从不覆盖它):asm2 两次构建得到相同字节,且与审计过的 Atlas 映像逐字节相同(sha256 f7802501...a5):无差异,因此手册无需裁定;objdump(裁判)将所有 263 条指令读回与 atlas.s2 所述一致:0 处不一致;五个植入的错误均被捕获;现有的 Atlas M1 测试(run_m1_gates.sh,未编辑)在包含 asm2 制作映像的 Atlas 文件夹的临时副本上通过:SHA-256 已知答案、静态审计,以及在 QEMU 中的引导(AWAKEN、VERIFY、HANDOFF)和对每个损坏的下一阶段的拒绝。~/workspace/atlas 仅被读取。
  • asm2 两次构建得到相同字节,且与审计过的 Atlas 映像逐字节相同(sha256 f7802501...a5):无差异,因此手册无需裁定;
  • objdump(裁判)将所有 263 条指令读回与 atlas.s2 所述一致:0 处不一致;五个植入的错误均被捕获;
  • 现有的 Atlas M1 测试(run_m1_gates.sh,未编辑)在包含 asm2 制作映像的 Atlas 文件夹的临时副本上通过:SHA-256 已知答案、静态审计,以及在 QEMU 中的引导(AWAKEN、VERIFY、HANDOFF)和对每个损坏的下一阶段的拒绝。~/workspace/atlas 仅被读取。

阶段 R5:omc,用 Omega 编写的 Omega 编译器(完成)

  • 从种子诞生,而非从 C:make omega-from-seed(或 sh seed/omega-from-seed.sh)通过唯一命名的外部步骤(load0.sh,POSIX printf)将手写的 seed0.hex 转为 seed0,然后 seed0 构建 hex1,hex1 构建 asm2,asm2 构建 om4,om4 构建 omc,omc 两次构建自身。两次自构建必须字节相同。编译器留在 seed/out/omc,其 sha256 在旁边。该文件就是 Omega 编译器。该路径中没有任何 C。
  • omc/omc.om:编译器本身,用 Omegese 编写,仅使用 om4 理解的词。它在其输入上读取程序,并在其输出上写出可直接运行的 Linux 程序(或者,没有 fn main 时,裸机器字),文件头手工布局,无链接器。3,212 行,125 个函数。omc/genkw.awk 曾将关键字链写入 omc.om;提交的 omc.om 是源,生成器现在列出每个关键字(包括宿主词 100-134)并使用十进制字符串算术精确打包 64 位字(对照链验证:0 处不匹配)。且种子路径不运行 awk。

文章标题:Show HN: Bootstrapping a compiler with AI run on to ARM64, WASM, SPIR-V

正文:

  • 它的目的就是逐字逐句地做到 om4 所做的事:相同的机器字、相同的错误号、位于相同的行。这是有意为之:这样一来,om4 就成了 omc 的严格裁判,因为任何差异都是错误。它在下文列出的每个输入上都做了检查,而不是在所有可能的输入上。
  • 它是如何构建的:om4 将 omc.om 翻译成一个程序(阶段 1,76,748 字节)。然后阶段 1 再次翻译 omc.om(阶段 2),阶段 2 再第三次翻译它(阶段 3)。
  • 语言塑造设计的少数几处:一个名字处理遍会先读取每个签名,因此一次调用可以命名一个稍后才写出的函数。读取一个值仍然是一个调用自身的函数,因为一个值包含值;每个工作数字都保留为普通的 64 位值,因为该语言拒绝混合类型;对输入的每个循环都是两个相互嵌套的循环。单个循环在百万次遍历后自行停止,而 om4 对输入大小没有这样的限制。

语言塑造设计的少数几处:

  • 一个名字处理遍会先读取每个签名,因此一次调用可以命名一个稍后才写出的函数。读取一个值仍然是一个调用自身的函数,因为一个值包含值;
  • 每个工作数字都保留为普通的 64 位值,因为该语言拒绝混合类型;
  • 对输入的每个循环都是两个相互嵌套的循环。单个循环在百万次遍历后自行停止,而 om4 对输入大小没有这样的限制。

Show HN:用 AI 运行引导编译器至 ARM64、WASM、SPIR-V

  • 历史 R5 检查(omc/gate5.sh,保留结果在 evidence/SEED-0/omc/),177 个用例,全部通过:(a) 自重建:阶段 1、2 和 3 是同一个文件(sha256 191b776e...98e9),因此 omc 以 om4 翻译它的同样方式翻译自身;(b) 第二条路径:C 路径(用 C 编写的旧编译器)无法读取 omc.om。它缺少全局池、函数自我调用、超过 64 个单元的数组、文本、读/写、exit,以及注释内部的一个冒号。此外,它为一个测试运行器生成文件,而不是一个程序。门禁会逐项尝试这些,并要求拒绝信息中指明该词,因此它能注意到 C 路径是否学会了其中某个。所以,正如任务书所允许的,两个父本分别是 om4 和 omc 自身:两者构建同一个 omc。这比真正独立的路径要弱,因为两者由同一位作者设计;om4 和阶段 2 在 153 个输入中的 147 个上一致:包括 gate4 交给 om4 的每个输入、仓库中的每个 Omegese 文件,以及 omc.om。它们在输出、退出状态以及全部 57 次拒绝的错误编号和行号上一致。其余 6 个是仓库程序,它们使用了 omc 在 om4 之外新增的词(分组括号、trap、固定宽度类型名);每一个都列在 seed/omc/tests/om4-superset.tsv 中,按其文本的 sha256 列出,并附 om4 的拒绝和 omc 的退出,且 C 路径必须接受它。不在列表上的差异、列表中的程序不再有差异、语料未触及的列表程序,或 C 路径拒绝的列表程序,都会使门禁失败;该列表遗漏的内容,由外部审查发现:其中没有程序成功写出一个文本,并且错误编号 1、2、4、11、12、13 和 14 从未出现。现在有一个程序写出包含每种转义的文本,并且必须给出固定的字节和固定的退出值(204,手工算出,并非取自 om4),而每个这些错误都有自己的用例。门禁随后检查从 1 到 23 的每个错误编号都在某处出现,且来自 om4 和 omc 两者;下一词模糊测试(下方决策 22):om4 和 omc 在 4,860 个截断或修改过的程序上给出相同答案;(c) 以阶段 2 代替 om4 运行整个 gate4 通过(116 项检查):10 个练习任务和 9 个程序给出 C 路径的结果和陷阱;4 个完整程序与其 gcc 构建的孪生程序匹配;其拒绝给出相同的编号。表:evidence/SEED-0/omc/corpus-words.tsv;(d) 植入错误。omc 自身使用的(或已改为 and 的)一个改动词会破坏自重建以及与 om4 的比较。omc 不使用的改动词(有符号除法改为无符号)会保持自重建,这表明仅自重建证明力不足,但 om4 比较能捕获它。把同样的错误词同时放入 om4 和 omc 会骗过这两项检查,只有 C 路径能捕获它(fm1、fm2:-7 / 2)。损坏的程序以错误 3 被拒绝;输出不随运行而变:在另一环境下以及一秒之后字节相同。

历史 R5 检查(omc/gate5.sh,保留结果在 evidence/SEED-0/omc/),177 个用例,全部通过:

  • (a) 自重建:阶段 1、2 和 3 是同一个文件(sha256 191b776e...98e9),因此 omc 以 om4 翻译它的同样方式翻译自身;
  • (b) 第二条路径:C 路径(用 C 编写的旧编译器)无法读取 omc.om。它缺少全局池、函数自我调用、超过 64 个单元的数组、文本、读/写、exit,以及注释内部的一个冒号。此外,它为一个测试运行器生成文件,而不是一个程序。门禁会逐项尝试这些,并要求拒绝信息中指明该词,因此它能注意到 C 路径是否学会了其中某个。所以,正如任务书所允许的,两个父本分别是 om4 和 omc 自身:两者构建同一个 omc。这比真正独立的路径要弱,因为两者由同一位作者设计;

文章标题:Show HN: Bootstrapping a compiler with AI run on to ARM64, WASM, SPIR-V

正文:

  • om4 与 stage 2 在 153 个输入中的 147 个上一致:gate4 交给 om4 的每个输入、仓库中每个 Omegese 文件,以及 omc.om。它们在输出、退出状态,以及全部 57 个拒绝的错误编号和行号上一致。其余 6 个是仓库中的程序,它们使用了 omc 在 om4 之外新增的词语(分组括号、trap、定宽类型名);每一个都按文本的 sha256 列在 seed/omc/tests/om4-superset.tsv 中,并附有 om4 的拒绝与 omc 的退出,且 C 路径必须接受它。列表中未出现的差异、列表中已列但不再有差异的程序、语料库未覆盖到的已列程序,或 C 路径拒绝的已列程序,都会使该关卡失败;
  • 该列表遗漏的内容,由外部评审发现:其中没有任何程序成功写出一个文本,且错误编号 1、2、4、11、12、13 和 14 从未出现。现在有一个程序用每种转义写出一个文本,必须给出固定字节和固定退出值(204,手工算出,并非取自 om4),并且每个这些错误都有自己的用例。随后该关卡检查从 1 到 23 的每个错误编号都在某处出现,来自 om4 和 omc 两者;
  • 下一个词模糊测试(下文决策 22):om4 和 omc 在 4,860 个被截断或改动的程序上给出相同答案;
  • (c) 用 stage 2 替代 om4 运行整个 gate4 通过(116 项检查):10 个练习任务和 9 个程序给出 C 路径的结果和陷阱;4 个完整程序与其 gcc 构建的孪生程序匹配;其拒绝给出相同编号。表格:evidence/SEED-0/omc/corpus-words.tsv;
  • (d) 植入的错误。改动一个 omc 自身使用的词(或被改为 and)会破坏自重建以及与 om4 的比较。改动一个 omc 不使用的词(有符号除法改为无符号)会保持自重建,这表明仅靠自重建证明不足,但 om4 比较能抓住它。把同一个错误词语同时放入 om4 和 omc 会骗过这两项检查,只有 C 路径能抓住它(fm1、fm2:-7 / 2)。损坏的程序会被以错误 3 拒绝;
  • 输出不随运行而改变:在另一个环境下以及一秒之后,字节相同。

历史 R5 大小与速度(evidence/SEED-0/omc/ 中的 size.tsv、size-history.tsv、omc-words.tsv、compile-time.tsv;这些凭据不可变):omc 为 19,143 个机器字;最大的函数是值读取器(2,073 字)和局部数组(695);在 C 路径也能翻译的程序上,omc 生成的词与 om4 相同。10 个练习任务占 164 字(C 路径 600);其余 9 个占 267(C 路径 552)。唯一比 C 路径更大的仍是 fm5,即带三次调用的程序(79 对 59);翻译一个程序的时间(10 个练习任务和 9 个其他程序),各 200 次运行,包括启动它:omc 0.4 到 0.6 ms,C 路径 5.9 到 6.7 ms(它运行两个程序并在其间写一个文件)。omc 在 2.6 ms 内翻译自身。这些未与机器的极限进行比较(未测量)。

历史 R5 大小与速度(evidence/SEED-0/omc/ 中的 size.tsv、size-history.tsv、omc-words.tsv、compile-time.tsv;这些凭据不可变):

  • omc 为 19,143 个机器字;最大的函数是值读取器(2,073 字)和局部数组(695);
  • 在 C 路径也能翻译的程序上,omc 生成的词与 om4 相同。10 个练习任务占 164 字(C 路径 600);其余 9 个占 267(C 路径 552)。唯一比 C 路径更大的仍是 fm5,即带三次调用的程序(79 对 59);
  • 翻译一个程序的时间(10 个练习任务和 9 个其他程序),各 200 次运行,包括启动它:omc 0.4 到 0.6 ms,C 路径 5.9 到 6.7 ms(它运行两个程序并在其间写一个文件)。omc 在 2.6 ms 内翻译自身。这些未与机器的极限进行比较(未测量)。

文章标题:Show HN:用 AI 引导编译器移植到 ARM64、WASM、SPIR-V

正文:

  • 当前的 omc/gate5.sh 将一次性结果写入 build/seed/r5/evidence/,绝不覆盖历史记录。seed/omc/size-history.tsv 是持续实测的体量台账,最初从历史台账逐字节复制而来。在确认编译器变更合格之前,追加其观测到的源码行数/函数数量、生成的字数以及编译器 SHA-256。该门禁检查最后一行是否指向其独立重建的 stage2;缺失、为空或过期的台账都会导致失败。它从不更新自己的前置条件。持久化运行请放在新的证据目录下。
  • 当前的体积报告只测量完整编译器。在存在前向引用的编译器中,编译不完整的源码前缀并不是有效的逐函数测量;该旧诊断已被移除。所有父级、C 裁判、错字变异体、模糊测试和拒绝检查仍然强制要求。
  • 分支范围门禁以 .om 为种子,包括其协调器、生成器、源码变异器和解码输出检查器。重建方法见 seed/qualification/security673/README.md。编译器接受精确的前向最大值,并在生成可执行文件之前拒绝更大的条件分支。对实际编码器的直接探测覆盖了有符号极值和错位;一个局部数组测试用例检验了当前的后向调用者。GNU objdump 独立解码被接受的前向分支,并捕获了被故意弱化的限制。畸形输出对照和监管器失败与编译器正确性分开处理。更正后的证据位于 evidence/SECURITY-673/correction1/;早期证据为历史记录。
  • 直白地说,限制如下:omc 具有 om4 的限制,因为它复制了 om4(名称最多 8 个字符,每个函数 16 个寄存器,值嵌套最多 1,024 层,输入 8 MiB)。

阶梯 R6,第一部分:结构体(语言部分已完成;GPU 字仍待解决)

om4 不学习结构体。它仍然是重建 omc 的父级,而 omc.om 不使用新的字,因此两个父级仍然构建相同的编译器。结构体程序是一叠 8 字节单元,在函数返回时归还。没有 free。

  • seed/omc/gate6.sh,26 个用例,RC=0。由 om4 构建的编译器和由自身构建的编译器是同一个文件,sha256 01b1545b23e8ff40cb5691e20b5df910ea4acaefde3495f0d62d270465b98cd6(93,184 字节)。omc.om 为 3,772 行,149 个函数。
  • 十二个程序运行并以在 Wolfram 中计算出的值退出(evidence/SEED-0/r6-structs/wolfram.txt),并非从该编译器复制。其中三个(t7、t8、t9)如果字段以错误的宽度存储,该值就会改变。一个单字字段交换会将退出值从 20 变为 22,因此忽略字段名的门禁会失败。
  • 十三个损坏的程序被拒绝,并给出所述错误编号。om4 本身拒绝结构体程序(退出码 16)。free 仍被拒绝。
  • 本部分不包含:芯片上的内核。那仍属于 L408。来自 fix/seed-ir-trap 的实验性单函数 OSC IR 发射器现已成为本线的一部分;参见阶梯 R8。

阶梯 R6b:一条编译器线,结构体与原生宿主操作(已完成)

结构体和原生宿主扩展是从 R5 分出的独立分支上构建的。现在它们是一个编译器:seed/omc/omc.om,4,616 行、173 个函数,两者都接受。关键字表保留了两个孤岛,没有共享 id(struct 为 85;宿主字为 100 到 131)。

  • 自重建:stage1 = stage2 = stage3,sha256 1a25cf0be96972206d6904638ded6729c65b69a12c788d7fe370e6dadd22e533(126,528 字节)。
  • seed/omc/gate6.sh 通过了其 26 个结构体用例;结构体程序仍仅限 omc(om4 错误 16)。

文章标题:Show HN: 用 AI 引导编译器运行到 ARM64、WASM、SPIR-V

正文:

  • seed/host/check.sh 通过了所有 host 用例和 70 个原始语料库测试样例。om4/omc 语料库遗漏了 seed/omc/tests/struct/:om4 在那里拒绝是文档中记载的 om4 专属限制(决策 32),gate6 负责该检查。更正(2026-10-26):ec07d25d 处的选择器实际上保留了 62 个用例;seed/host/original-fixtures.tsv 现在固定了它们的路径和预期的父状态。以前的内容过滤器不得悄悄缩小资格范围。
  • seed/host/tests/structfile.om 是一个程序,它构建一个 struct,通过原生 host 词创建并写入文件,关闭并删除它,并返回一个 struct 字段;gate.sh 运行它。

梯级 R7:break 和 trap(已完成)

第 3 节列出了这两个词,而编译器拒绝了它们(关键字 77)。omc 现在实现了它们(86 和 87),语义如下,seed/omc/gate7.sh 检查每一个(11 个用例加上 om4 拒绝);seed/host/check.sh 运行 gate7。

  • break 离开最内层的 while 或 for。在循环外是错误 9。像 ret 一样它结束路径,因此同一块中后面的行是错误 17。它的分支用循环的块索引记录,在循环关闭时修补,并标记为已使用,因此重用该槽的后续循环不能移动较早的 break。每个函数 1024 个位点(错误 14)。
  • trap N 取 1..14(超出范围错误 8,行结束时错误 4,标记不是数字时错误 16)。程序模式退出 100 + N;函数模式通过运行时检查使用的同一 stub 调用 OscRt.trap。同一块中后面的行是错误 17。

梯级 R8:OSC IR 输出,一行(实验性检查点)

fix/seed-ir-trap 添加了一个前导 ir 行,为一个函数写入 OSC IR 版本 1 而不是 AArch64 词。它从 R6 分支出来,因此缺少原生 host 词和 break/trap。它现在是同一编译器的一部分:seed/omc/omc.om,5,395 行和 209 个函数,sha256 2b029a217e8f2d033b484dec3a5a24570370b8a139157f4204358e226d1e5bd9(149,904 字节)。

  • seed/omc/gate-ir.sh 通过:10/10 开发程序与 C 构建的 omegese + omega_emit oracle 字节相同,checker2 接受每个单元,mul-to-add 突变体不同。C 工具仅供参考。
  • IR 模式仍然是一个函数和标量值。它拒绝 struct、原生 host 词和 break,错误 3,因为它们都还没有 IR 降级。多功能 IR、struct IR 和拒绝加固仍然开放。
  • seed/host/check.sh 仅当三个 oracle 二进制文件存在时才运行 gate-ir,否则打印 SKIP 和构建命令;编译器本身仍然不需要 C 工具。

梯级 R9:f32 和 f64(已完成)

IEEE-754 binary32 和 binary64 现在是语言的一部分,用 omc 编写(f32、f64、bitcast、十进制字面量、算术、比较和转换)。浮点值是其位模式在普通整数寄存器中;算术将其移动到 v0/v1,运行一条标量 FP 指令并移回,FPCR 不变且没有融合操作。

  • seed/omc/omc.om,6,241 行和 233 个函数,sha256 f769b4a8c2ecd9006ade38b5d10c6d3e12bd3044b7418a3a87b6b4e2731c824a(169,276 字节)。
  • seed/omc/gate8.sh 通过 21 个用例:1.5、0.1、pi、1e-3 和 -0.0 在两种宽度下的精确位;算术;IEEE 比较包括 NaN;fsqrt、fabs、fmin 和 fmax 与 minNum/maxNum 和 -0.0 排序;int<->float 和 f32<->f64 转换与饱和;浮点数组、池、参数、返回和 struct 字段;以及混合类型、整数内在操作数、模糊字面量、浮点索引、浮点计数、浮点数组读写、格式错误字面量、超出范围字面量和 IR 模式的拒绝。om4 拒绝浮点语法,gate 检查这一点。

文章标题:Show HN: 用 AI 引导编译器自举,运行于 ARM64、WASM、SPIR-V

正文:

  • 明确说明的限制:字面量的有效数字必须能容纳于 2^63-1 之内(超出则报错误 8);小数位数不限,完整的 IEEE 范围都能精确转换,包括次正规数。若字面量四舍五入后为无穷大则拒绝(错误 8);下溢则得到带符号零。结构体字段可以是浮点数(f32 字段仍占用 8 字节单元)。浮点数的 IR 降级尚未实现,会被拒绝而非错误编译。

阶梯 R10:分组括号(已完成)

设计上说明括号是可选的且是独立的词;词法分析器未实现这一点,因此 (5) 被读作一个未知名称。tok2 现在即使括号紧贴数值,也会将 ( 和 ) 作为单字符 token 输出,现有的分组路径返回内部值且不生成代码。

  • seed/omc/omc.om,6,252 行、233 个函数,sha256 89887ff473e89f870f8f1dbd1e2b46f008ad076ef168480238ac1ec1bc3e557a(169,428 字节)。
  • seed/omc/gate9.sh 通过 4 个用例:分组的整数、嵌套分组、分组的浮点表达式、仍有歧义的 x = (5)(错误 11)以及未闭合的分组(错误 16)。
  • 没有现有程序改变含义:om4/omc 字节等价语料库在排除括号相关用例后继续通过,因为 om4 的词法分析器不会拆分它们。

阶梯 R11:全范围十进制字面量(已完成)

最初的浮点实现仅在两个因子都能容纳于 u64 时(标度至多 18)才转换 N * 10^p。转换器现在保留一个规范化的 64 位有效数字、一个二进制指数和一个粘滞位(fmul10/fdiv10),一次性进行就近偶数舍入(froundsh)并处理次正规数进行打包(fpack)。无需 128 位整数,也无需双重舍入。

  • seed/omc/omc.om,6,259 行、234 个函数,sha256 7453603d943a5bb75e85b672bbbbd200abfe12a38b040b8521cf00a2beac29ef(169,636 字节)。受限的长除法转换器及其状态已被移除,而非与新转换器并存。
  • 50 个字面量的期望位模式在本编译器之外用 strtod/strtof 生成并精确匹配:0.1、pi、6.02214076e23、1.602176634e-19、1e308、5e-324、1e-45、最大有限值、刚好低于溢出边界的值,以及下溢为零的值。
  • gate8 现在有 23 个用例:两个字面量测试用例覆盖大值和次正规值,neg_overflow2/neg_overflow3 检查四舍五入为无穷大的字面量会被拒绝。
  • 更正(#1024、#1026):逐位的 fmul10/fdiv10 步骤在每遇到十的因子时都会截断,因此某些字面量结果低了一个 ulp(6816.702656e-27 得到 0x3B207B55A6D4A12F,而非 ...130;2.4703282292062328e-324 得到 0,而非 0x1)。fbits 现在用 40 个 32 位 limb(fbmul、fbpow、fbsub)构造两个整数的精确商并一次性舍入。gate8 的 lit_round 用 seed/omc/float-lits.py 的精确有理数基准校验 512 个字面量,而 float-lits.py diff OMC N SEED 是随机化差分测试(1,000,000 个字面量,种子 1024:0 个不匹配)。浮点类型下的整数字面量,原以原始位模式存储,现在报错误 7(gate8 neg_int_*)。

阶梯 R12:布局查询(已完成)

sizeof T / sizeof S 和 offsetof S f 是基于与 new/get/put 相同的 8 字节单元布局、类型为 ulong 的编译期常量。它们不生成代码,且可在表达式中组合,这正是结构体格式和未来 C ABI 工作所需的原语,以便在不硬编码数字的情况下描述布局。

  • seed/omc/omc.om,6,315 行、236 个函数,sha256 1912bef8638c39ef8730d2ec3bddff3a9169f00f21613b5f5e68a55375847f34(171,076 字节)。
  • seed/omc/gate10.sh 通过 5 个用例:每种标量大小、含标量字段和数组字段的结构体(大小 40,偏移 0/8/16)、表达式中的组合,以及拒绝情况(未知类型 16,未知结构体或字段 3,sizeof void 9)。

阶梯 R13:关键字兼容性(已完成)

第一个 float slice 原本把它的词拼作 bits、sqrt、abs、min 和 max。将基准语料库的 103 个 .om 文件对照固定编译器(e5d60db8…)进行审计,结果显示有七处拒绝:现有代码在六个文件中把 bits 用作参数或变量,在一个文件中把 min 用作变量。关键字不能使用现有代码已经使用的名称,因此这些 float 词现在改为 bitcast、fsqrt、fabs、fmin、fmax(id 保持不变)。

  • 重命名后重新运行同一审计:103 个文件,0 处输出差异,对照固定编译器 0 次崩溃,因此每个现有程序仍然编译为相同的机器码。
  • seed/omc/gate11.sh 固定了该规则:bits、min、max、abs 和 sqrt 可作为名称使用(names.om,退出码 10),而 bitcast 是关键字(neg_reserved.om,错误 16)。
  • seed/omc/omc.om,6,315 行、236 个函数,sha256 c7f4fc4fac585653226468251ca86e1900ff7f51e9f731687cc2e176702c7f8d(171,088 字节)。
  • 审计方法和结果记录在 evidence/SEED-0/keyword-compat/README.md 中。

Rung R14:continue(已完成)

break 没有对应的配对。continue 现在像 break 一样找到最内层循环,但它的分支被修补到循环的 latch 而不是出口:while 的头部,这样条件和隐藏的边界计数会再次执行;或者 for 的增量部分,这样计数器仍然会推进。它使用相同的修补纪律(用循环的块索引记录,在该循环闭合时修补,然后标记为已用)以及每个函数相同的 1024 处上限。

  • seed/omc/gate7.sh 现在有 18 个用例:while(18)、for(12)、嵌套(36)、一个空 for 体但仍会终止、一个有界 while 仍会触发陷阱 4(退出码 104),以及各种拒绝(循环外错误 9,后续行错误 17)。om4 拒绝该词,这个 gate 也会检查。
  • 添加关键字后再次审计基准语料库:103 个文件,0 处输出差异,对照固定编译器 0 次崩溃。
  • seed/omc/omc.om,6,374 行、237 个函数,sha256 068a9675ca20699433cd51b468703012cdbc12cfd5ea0e9204a1d0dc1ca7544e(172,296 字节)。

Rung R15:基准一致性审计(证据)

当前编译器在真实基准工作区上对照基准固定编译器进行了检查,而不仅仅是本仓库的测试用例:

  • 103 个手写 .om 源文件:0 处输出差异,0 次崩溃。
  • 53 个 om/build.plan 目标(每个都是 2 到 21 个单元的拼接,包括 prime_race、JSON/measure/stream 工具以及每个测试目标):0 处差异,0 次崩溃。
  • prime-reference 在六个请求上的运行时行为(两个素数、一个伪素数、两个计数和一个原始位图):stdout、stderr 和退出状态完全一致。

方法和各范围计数:evidence/SEED-0/benchmark-parity/README.md。语料库是外部的,因此这是证据而不是 gate。

Rung R16:IR 拒绝(已完成)

IR 模式过去会消费非 fn 的顶层 token 并静默跳过它们,因此 struct、global 或 text 声明会直接从 IR 中消失。ir_run 现在对每个顶层 token 进行分类:空行和注释行被跳过,fn 走 IR 路径,struct/global/text 声明是错误 9,任何其他 token 是错误 16。没有任何内容会被意外 lowering。

  • seed/omc/gate-ir.sh 仍然证明 10/10 个开发程序字节完全一致且 checker2 为 ACCEPT,现在还额外检查五种拒绝:struct、global 和 text 声明(9),一处 float 使用和一处 continue 使用(3)。
  • seed/omc/omc.om,6,391 行、237 个函数,sha256 22be10f8cccd23de1830e06ddb1c28ba77c7e78a6d7284bd1334fc18908a0cd8(172,640 字节)。

Rung R17:getrandom(已完成)

random A off n flags 通过与其他 slice 操作相同的 host-word 路径,从 Linux getrandom 填充一个可写的 uchar slice:off/n 会做边界检查(陷阱 3),view 或 text 会被拒绝(错误 20),flags 是有类型的 int。它返回写入的字节数或 -errno;未知 flags 返回 -EINVAL。

  • 宿主 gate 编译并运行 seed/host/tests/random.om:恰好 8 字节,并非全零,两次调用不同(逐字节比较),flags 8 被拒绝且结果为负数。

文章标题:Show HN: Bootstrapping a compiler with AI run on to ARM64, WASM, SPIR-V

正文:

  • 添加该关键字后审计基准语料库:103 个文件,0 处输出差异,0 次崩溃。
  • seed/omc/omc.om,6,414 行、238 个函数,sha256 7326b100d3c85d4e58707deb8a8c3cf826b6dcc55280b3ffb3e76272cc07eaa8(173,472 字节)。

Rung R18:环境访问(已完成)

envcnt 和 envread 通过 A 相对容量的索引读取进程自身的环境向量,启动代码将其保存在 X27 中、紧邻 argv。envp[0] 位于 X27 + 8*(argc+2);envread 在请求的索引之前遍历各条目,因此索引等于或超过计数时触发陷阱 3。切片规则与 argread 一致:越界触发陷阱 3,view/text 被拒绝(错误 20),缓冲区过短则返回 -105 且不修改缓冲区。

  • 宿主门在完整环境和最小环境下均以 OMTEST=hello 运行,逐字节找到该条目,检查短缓冲区拒绝行为,并检查 envread envcnt 以 103 退出。
  • 添加这两个关键字后审计基准语料库:103 个文件,0 处输出差异,0 次崩溃。
  • seed/omc/omc.om,6,466 行、238 个函数,sha256 cd928e07506a505a7ec4e2b9f018bde6df20d56b9b59d7c13e7d50ebe81ba8fc(176,048 字节)。

Rung R19:chdir(已完成)

chdir A off n 通过与 open/unlink/mkdir/rmdir 相同的受检路径机制更改工作目录:长度限定的路径、私有的 NUL 结尾副本、越界触发陷阱 3、拒绝空路径或内嵌零、结果为 0 或 -errno。*at 系列字在 X0 中留下 AT_FDCWD;chdir 在系统调用 49 之前将路径移入 X0。

  • 宿主门创建 sub,进入其中,在该处创建一个相对文件,返回,并拒绝不存在的目录;然后它验证该文件存在于 sub/inside。
  • 添加该关键字后审计基准语料库:103 个文件,0 处输出差异,0 次崩溃。
  • seed/omc/omc.om,6,474 行、238 个函数,sha256 7e7b68fd8922284e4b535005aef40b179bca70d8f3e775d7862af8c62c57e382(176,188 字节)。

Rung R20:容量边界门控(已完成)

OMEGESE 9.6 规定了编译器在何处耗尽空间。seed/omc/gate12.sh 现在生成每个边界并检查两侧:

  • 接受 1024 个全局变量,第 1025 个报错误 14;接受 511 个函数加 main,第 512 个函数(共 512)报错误 14;接受 512 个嵌套块,第 513 个报错误 14。
  • 一个 4 MiB + 1 的局部数组和一个 16 MiB + 1 的数组长度被拒绝,报错误 23;64 个 16 MiB 的池加一字节(1 GiB + 1)报错误 23。
  • 超出 8 MiB 一字节的输入被拒绝,报错误 14。

seed/host/check.sh 运行 gate12。编译器自 R19 以来未变:6,474 行、238 个函数,sha256 7e7b68fd8922284e4b535005aef40b179bca70d8f3e775d7862af8c62c57e382。

Rung R21:编译器模糊测试门(已完成)

seed/omc/gate13.sh 内嵌两个确定性生成器(显式 16 位 LCG,绝不用 rand()):

  • 从语言词汇表加垃圾数据中抽取的 300 个 token 流:每次运行都在 0..23 内退出,两次运行产生相同字节和诊断,且从不崩溃、触发陷阱(100+)或超时。
  • 300 个结构化程序(带类型变量、数组 put/get、平衡的 if/while/for 最多四层嵌套):全部编译,且两次运行输出相同。

这 600 个程序约两秒运行完毕,seed/host/check.sh 运行该门。

Rung R22:ftrunc(已完成)

ftrunc fd length 通过标量宿主路径(Linux ftruncate,系统调用 46)设置打开描述符的长度。fd 为 int,length 为 long,结果为 long:0 或内核错误的负值。

  • 宿主门写入 8 字节,将文件缩短至 4,回绕,读取 4 字节然后读到 EOF,并拒绝已关闭的描述符;最后文件被 unlink。
  • 添加该关键字后审计基准语料库:103 个文件,0 处输出差异,0 次崩溃,对照固定编译器(e5d60db8…)。没有语料库文件使用 ftrunc 作为标识符。
  • seed/omc/omc.om,6,480 行、238 个函数,sha256 4aa1b0bfd082e2ed11785b179c97af6cb848f926ed6818e9a3c08eb433b5deb3(108,629 字节)。

Rung R23:来自 Wolfram 的数值一致性(已完成)

文章标题:Show HN: 用 AI 将编译器自举到 ARM64、WASM、SPIR-V

正文: seed/omc/gate14.sh 运行 35 个程序,其预期退出状态是通过 Wolfram MCP 服务器(2026-10-23;服务器 2026.09.15)在 Wolfram Language 中精确计算得出的,而不是由本编译器计算的。表达式和返回的表格位于 evidence/SEED-0/num-conformance/wolfram.txt。

  • 19 个值用例:8/16/32/64 位的无符号回绕、算术右移、截断式有符号除法和两种符号下的余数、min rem -1、64 位 max div/rem,以及类型转换。
  • 16 个陷阱用例:byte/short/int/long 的有符号溢出、min div -1、有符号 shl 溢出、除以/余数为零、运行时边界检查、传入的循环边界、类型转换和超出范围的移位。

值按 main 的值 mod 256 进行比较;陷阱必须以 100 + code 退出。该门运行约 0.1 秒,由 seed/host/check.sh 运行。编译器未变:6,480 行,238 个函数,sha256 4aa1b0bf…。

梯级 R24:路径 stat(完成)

stat A off n B off capacity 返回已检查路径的元数据而不打开它:Linux newfstatat 使用 AT_FDCWD(系统调用 79),写入与 fstat 相同的 128 字节 ARM64 结构。它返回 0 或内核错误的负值。输出切片必须容纳 128 字节;更短的切片会在内核写入任何内容之前触发陷阱 3。

  • 宿主门创建一个 8 字节文件,对其执行 stat,检查字节 48 处的 st_size(8)以及其余七个大小字节为零,检查缺失路径返回负错误,并检查 64 字节输出触发陷阱 3(退出 103)。
  • 第一版 hstat 草稿使用 X4 作为容量常量,破坏了 hcopy 所需的路径源寄存器;门在系统调用之前将其捕获为 SIGSEGV。该常量现在使用 X6。
  • seed/omc/omc.om,6,518 行和 239 个函数,sha256 e4f1e7e9e315151ca4b0b2d188d2b8778a1cc62224043f067089338078519ad5(109,505 字节)。
  • 添加该关键字后审计基准语料库:103 个文件,0 个输出差异,0 次崩溃,对照固定编译器(e5d60db8…)。没有语料文件将 stat 用作标识符。

梯级 R25:硬链接和符号链接(完成)

link A off n 和 symlnk A off n 从打包的双路径列表创建硬链接或符号链接,复用 renames/execprog 列表格式:小端 u16 计数,然后每条记录一个 u16 长度和字节。计数必须为 2,两条记录都非空,数据包最多 4096 字节。它们调用 linkat(系统调用 37)和 symlinkat(36)并返回 0 或内核错误的负值。

  • 宿主门构建 [a, b],链接,并检查 stat 结构字节 20 处的 st_nlink 为 2;然后它用 c 覆盖第二条记录,创建符号链接,并检查 readlnk c 返回 a 的字节。所有三个名称都被取消链接。单记录列表会在内核之前触发陷阱 3。
  • 一个双切片草稿被拒绝:在第一次复制过程中携带第二条路径要么破坏值寄存器,要么破坏保存帧纪律。打包列表复用经过验证的 hpack 缓冲区和指针列表,使用一个保存帧。
  • seed/omc/omc.om,6,542 行和 239 个函数,sha256 540baf9338b5b26bcfffb852a3a94af0d7617d60e2d3bbebbf5d31931a4ee5e2(109,961 字节)。
  • 添加这些词后审计基准语料库:103 个文件,0 个输出差异,0 次崩溃,对照固定编译器(e5d60db8…)。这两个词在那里都没有被用作标识符。

梯级 R26:chmod(完成)

chmod A off n mode 通过 fchmodat(系统调用 53,flags 0)在已检查路径上设置权限。它复用路径复制机制和 makedir 的单 int 参数形状;它返回 0 或内核错误的负值。

  • 宿主门创建一个文件,设置模式 0600(384),对其执行 stat,并检查字节 16 处 st_mode 的低 12 位;缺失路径返回负错误;该文件被取消链接。
  • seed/omc/omc.om,6,552 行和 239 个函数,sha256 36ff6d3f5565aebb4ceffd0a1908a85b9289578e2fa78fb502ac1fe0dd17e2a1(110,089 字节)。
  • 添加该关键字后审计基准语料库:103 个文件,0 个输出差异,0 次崩溃,对照固定编译器(e5d60db8…)。没有语料文件将 chmod 用作标识符。

Rung R27:访问检查与身份(已完成)

faccess A off n mode 通过 faccessat(系统调用 48,flags 0)检查一个受检查的路径;mode 为 F_OK 0、X_OK 1、W_OK 2、R_OK 4。getuid、geteuid、getgid 和 getegid 是零参数词(系统调用 174-177),返回进程的真实和有效 id。

  • 宿主 gate 检查 F_OK:对已存在的路径返回 0,对缺失的路径返回负值。每个身份词的退出码等于 id -u 或 id -g 的低字节。
  • seed/omc/omc.om,6,589 行、239 个函数,sha256 aa4e1fee085671718255da851aafa41a92a619317868a26ed4463708675e91c2(110,557 字节)。
  • 添加这些词后审计基准语料库:103 个文件,与固定编译器(e5d60db8…)相比 0 处输出差异,0 次崩溃。这五个词在语料库中都没有被用作标识符。

Rung R28:lstat(已完成)

lstat A off n B off capacity 写入与 stat 相同的 128 字节 ARM64 stat 结构,但向 newfstatat 传入 AT_SYMLINK_NOFOLLOW(256),因此最终符号链接会被报告而不会被跟随。它返回 0 或内核错误的负值;输出不足会触发陷阱 3。

  • 宿主 gate 创建一个 4 字节的文件和一个指向它的符号链接:stat 在第 48 字节报告大小 4,lstat 在第 16 字节报告 S_IFLNK(mode & 0xF000 == 0xA000);两个名字随后被解除链接。
  • seed/omc/omc.om,6,599 行、239 个函数,sha256 1b4de297c969f6c75dc58c02491a466fba617c00f6e48f849ef75c9c3bd557d0(110,669 字节)。
  • 添加该关键字后审计基准语料库:103 个文件,与固定编译器(e5d60db8…)相比 0 处输出差异,0 次崩溃。没有语料库文件将 lstat 用作标识符。

Rung R29:路径截断(已完成)

truncate A off n length 通过 Linux truncate(系统调用 45)设置一个受检查路径的长度。它复用了路径复制机制;长度是一个 long,复制之后路径移动到 X0、长度移动到 X1。

  • 宿主 gate 创建一个 8 字节的文件,将其截断为 4,并检查第 48 字节处的 st_size 为 4;缺失的路径返回负错误值;该文件随后被解除链接。
  • seed/omc/omc.om,6,616 行、239 个函数,sha256 45029fb384a4944ffe9b021991cf214d86e0ae794dc09830096787dff8bf541e(110,921 字节)。
  • 添加该关键字后审计基准语料库:103 个文件,与固定编译器(e5d60db8…)相比 0 处输出差异,0 次崩溃。没有语料库文件将 truncate 用作标识符。

Rung R30:拒绝码一致性 gate(已完成)

seed/omc/gate15.sh 固定编译器的拒绝码表。在 R30 时,那是每个码 3..23 一个最小程序,每个程序都必须以恰好该码退出并打印 error N,外加一个有效对照。自 #797 起,这些码集中在一个注册表中,即 seed/omc/error-codes.reg,gate15 覆盖每个产生的码 1..25 和 27..30(共 33 个用例,每个都对照其确切的 omc: line L: error C 进行检查),并运行 seed/omc/codereg.om 漂移检查及三个负向对照;见 OMEGESE §9.14。

  • 用例包括:3 未知名称,4 行提前结束,5 多余词,6 错误数字,7 类型不匹配,8 超出范围,9 词不允许,10 重名,11 歧义字面量,12 寄存器池,13 长变量名,14 容量,15 缺少 end,16 语法,17 路径结束后的行,18 缺少 return,19 别名,20 只读,21 常量索引,22 文本字面量,23 大小容量。
  • 21 个用例和对照在约 0.04 秒内运行;seed/host/check.sh 运行该 gate。编译器未变:6,616 行、239 个函数,sha256 45029fb3…。

Rung R31:chown(已完成)

chown A off n uid gid 通过 fchownat(系统调用 54,flags 0)在一个受检查的路径上设置所有权。它复用开放路径参数形状(路径加两个 int id);-1 表示该 id 保持不变。

  • 宿主 gate 创建一个文件,将其 chown 到当前 uid、gid 为 -1,对其执行 stat,并检查第 24 字节处 st_uid 的低字节;缺失的路径返回负错误值;该文件随后被解除链接。
  • seed/omc/omc.om,6,626 行、239 个函数,sha256 c0c2a935c6f2cde58f2e2c83e89df062e50fef8ced9d074ff2c6a882bf0cdd7a(111,135 字节)。

文章标题:Show HN: Bootstrapping a compiler with AI run on to ARM64, WASM, SPIR-V

正文:

  • 在添加该关键字后审计基准语料库:103 个文件,与固定编译器(e5d60db8…)相比 0 处输出差异、0 次崩溃。没有语料文件将 chown 用作标识符。

Rung R32:命名的整数常量(已完成)

顶层的 const NAME TYPE INTEGER 在使用前定义一个带类型的值。它对后续函数可见,凡是可以放置值的地方都能使用(包括调用参数),不可赋值(错误 7),并通过推进全局名称水位线在函数作用域重置后保留下来。仅限整数类型;f32/f64 常量和 IR 模式会被拒绝(错误 9)。名称最长 8 个字符,且不得与可见名称、函数或结构体冲突(错误 10);值必须在其范围内(错误 8)。

  • seed/omc/gate16.sh 运行 8 个被接受的程序(基本、负数、表达式、调用参数、布尔标志、ulong 最大值、long 最小值、定义在函数之间)和 11 个被拒绝的情况(赋值、重复、范围、浮点、IR、多余单词、过长名称、保留字、缺失值、位于函数内部、在定义前使用)。seed/host/check.sh 运行它。
  • seed/omc/omc.om,6,670 行、240 个函数,sha256 a2a9c1df23270408e1c2e63c43dcae043dee36ad5fd0ce2076b2848c338d62ba(111,810 字节)。
  • 在添加该关键字后审计基准语料库:103 个文件,与固定编译器(e5d60db8…)相比 0 处输出差异、0 次崩溃。没有语料文件将 const 用作标识符。

Rung R33:将常量用作数组长度(已完成)

lenval 在解析数组长度的任何地方都接受数字或整数常量名称:局部 new、全局 pools 以及 view/edit 参数声明。不是整数常量的名称会触发错误 16,arrlen 保持 1..16777216 的范围(错误 8 和 23)。namescan 现在会在函数签名之前扫描 const 行,因此签名可以使用先前定义的常量;扫描之后会重置全局名称水位线,以便函数体阶段重新注册它。

  • gate16 现在运行 11 个被接受的程序(新增了局部、全局和参数数组长度)和 15 个被拒绝的情况(新增了零长度、过大长度、将变量用作长度、在定义前使用)。
  • seed/omc/omc.om,6,687 行、241 个函数,sha256 b4ac449f19fa5b77f90d697fc6c35223f3ca23c071732fc7e340754cbe5be642(112,213 字节)。
  • 审计基准语料库:103 个文件,与固定编译器(e5d60db8…)相比 0 处输出差异、0 次崩溃。

Rung R34:浮点常量和常量字段长度(已完成)

const 现在接受浮点字面量(f64 0.1、f32 0.1):rdval 读取浮点 token,fspan 将其转换为目标位,名称以浮点类型存储这些位。浮点类型下的整数字面量(f64 5)会被拒绝(错误 16)。整数常量也被接受为结构体字段长度(1..64;超出则为错误 14),而将浮点常量用作任何长度都是错误 16。

  • gate16 现在运行 15 个被接受的程序(新增了 f64/f32 位模式、浮点运算和结构体长度)和 17 个被拒绝的情况(新增了浮点长度、浮点类型下的整数字面量、超限的结构体长度)。
  • seed/omc/omc.om,6,726 行、241 个函数,sha256 8f359d577d78195ee2debdeb263e1347b42aa8733ae36d03e13ce1b99e9ec4af(112,812 字节)。
  • 审计基准语料库:103 个文件,与固定编译器(e5d60db8…)相比 0 处输出差异、0 次崩溃。

Rung R35:trap 码、循环边界和 for 计数中的常量(已完成)

trap N 和 while ... bound N 现在除字面量外也接受整数常量(范围 1..14 和 1..999999);for 计数本来就是普通值,因此常量在那里也能用。浮点常量是错误 16,超出范围的整数保持错误 8。

  • gate16 现在运行 18 个被接受的程序和 19 个被拒绝的情况。
  • seed/omc/omc.om,6,716 行、241 个函数,sha256 1e1b7cde509347dfc351c26419df298907d85bb0572712b62f55d3fe95e6ee19(112,706 字节)。
  • 审计基准语料库:103 个文件,与固定编译器(e5d60db8…)相比 0 处输出差异、0 次崩溃。

Rung R36:IR 模式中的整数常量(已完成)

文章标题:Show HN: 用 AI 引导编译器移植到 ARM64、WASM、SPIR-V

正文: IR 模式现在接受顶层整数常量,并将每次使用折叠为同一个 IR 字面量:门禁将 const N uint 5 与 ret N 编译,以及字面量 ret uint 5 形式,并要求两者生成的 IR 逐字节相同。IR 中的浮点常量仍被拒绝(错误 9),结构体/全局/文本声明同样如此。ir_name 仅在未能找到 IR 局部名称后才查询全局名称表,因此局部名称仍像以前一样遮蔽。

  • gate-ir 通过 10/10 个开发程序、7 个拒绝用例,以及常量折叠相等性用例。
  • seed/omc/omc.om,6,732 行、241 个函数,sha256 4fb90a600960c62221ec2862752f5d44880449e9e8f30ae1d99352d6d7230d02(112,897 字节)。
  • 审计基准语料库:103 个文件,0 个输出差异,0 次崩溃(对比固定编译器 e5d60db8…)。

阶梯 R37:fchdir、getppid 和 umask(已完成)

fchdir fd 将工作目录更改为一个打开的目录描述符(系统调用 50);getppid 返回父进程 id(110);umask mask 设置文件模式掩码并返回前一个掩码(166)。全部使用标量宿主路径;fd 和 mask 为 int,结果为 long。

  • 宿主门禁用 O_DIRECTORY(ARM64 上为 16384)打开 subdir,调用 fchdir,并创建一个相对文件,该文件落在 subdir/inside 中。它还设置 umask 0,创建一个 0777 文件,检查 st_mode 的低 12 位是否为 0777,恢复掩码,并检查 getppid 非零且与 getpid 不同。
  • seed/omc/omc.om,6,754 行、241 个函数,sha256 fcd8b9da50c47975bafb8414d972e045c09d73bb4f7071494d94f36b35c70e6f(113,171 字节)。
  • 审计基准语料库:103 个文件,0 个输出差异,0 次崩溃(对比固定编译器 e5d60db8…)。未添加 sync:语料库中它作为标识符使用了四次。

阶梯 R38:数据同步和匿名文件(已完成)

fdsync fd 仅同步文件数据(fdatasync,系统调用 83)。memfd A off n flags 创建一个匿名内存文件(memfd_create,系统调用 279)并返回其描述符;切片是一个名称,像路径一样被私有复制。两者都是普通的宿主字。

  • 宿主门禁写入 4 字节,调用 fdsync,关闭,并检查之后的 fdsync 返回负错误。然后创建一个 memfd,写入,寻址到 0,读回 4 字节,并关闭。
  • seed/omc/omc.om,6,777 行、241 个函数,sha256 f9539e127e6696c62e32817bc57deb030cc296c564fa9adcd28d8140f2e09ae7(113,507 字节)。
  • 审计基准语料库:103 个文件,0 个输出差异,0 次崩溃(对比固定编译器 e5d60db8…)。这两个字在那里都没有被用作标识符。

阶梯 R39:进程组(已完成)

setsid(系统调用 157)、getpgid pid(155)和 setpgid pid pgid(154)是标量宿主字;pid/pgid 为 0 表示自身(对于 setpgid 则表示自己的 pid)。门禁检查 getpgid 0 > 0,接受 setpgid 到当前组(0)或 EPERM,在已是会话领导者时接受 setsid 或 EPERM,并在之后检查 getpgid 0 > 0。

在添加这些时,零参数 hargc 链达到了九个 or 操作数,om4 以错误 12(寄存器池)拒绝了源代码。hargc 现在是一个由独立的 if eq c N ret K end 检查组成的列表;参数计数不变。

  • seed/omc/omc.om,6,853 行、241 个函数,sha256 ff9f6e71378747885e0473a6661d139ce0cfa1291fc844ec61dff31dc9b4b8b6(113,956 字节)。
  • 审计基准语料库:103 个文件,0 个输出差异,0 次崩溃(对比固定编译器 e5d60db8…)。这三个字在那里都没有被用作标识符。

阶梯 R40:trap/bound/for 中的 IR 常量;IR trap 分派已修复(已完成)

IR 模式现在将用作 trap 码的整数常量、以及 bound 和 for 计数折叠为与其字面量相同的 IR;gate-ir 逐字节比较每一对。两个潜在的 IR 缺陷浮出水面并已修复:

  • ir_stmt 在关键字 id 77(own)而非 87 上分派 trap,因此 IR 中的 trap 落入赋值解析并被错误编译。现在它到达 ir_trap。
  • ir_while 和 ir_for 直接读取 token 位,因此 bound B / for i ulong K 将打包的名称而非常量的值送入 IR。它们现在使用 lenval 和 ir_val。

文章标题:Show HN: 用 AI 引导编译器自举,运行于 ARM64、WASM、SPIR-V

正文: 十个单函数开发输出保持逐字节一致;count 的字面量仍按与之前相同的寄存器顺序分配。

  • seed/omc/omc.om,6,850 行、241 个函数,sha256 d0a15906da52c69c128bb1f38540a0ce33f3404fbecf9eeb7014c797f69c049d(113,927 字节)。
  • 审计基准语料库:103 个文件,与固定版本编译器(e5d60db8…)对比 0 输出差异,0 崩溃。

R41 级:IR 多函数调用(已完成)

IR 模式现在可发出最多 32 条函数记录的单元,并支持调用更早的函数。

  • ir_fn 在 32 项表中记录每个签名(打包名称、参数、返回值);ir_emit_record 追加每条编码记录;ir_encode 写入 nfuncs 和这些记录。
  • CALL(操作码 11)携带 dst、被调用者索引、nargs 以及最多六个参数寄存器。值调用和 void 语句调用均受支持;参数类型会被检查(错误 7);自身调用和前向调用为错误 3;调用名称使用完整的 63 字节格式上限;非 void 用作语句、void 用作值为错误 7。
  • gate-ir 将九个多函数单元(值调用、void 调用、零参数、两参数、长名称、嵌套调用、表达式中的两次调用、循环中的调用、六参数)与 C omegese + omega_emit oracle 逐字节比较,并要求 checker2 ACCEPT。十个单函数开发输出保持逐字节一致;该 gate 现在固定了 14 个拒绝用例。
  • seed/omc/omc.om,7,039 行、246 个函数,sha256 0eec74110bb3580dcd0aaff0f963bdb4010183e3e89cdf14e8a2a54eef89f01a(117,218 字节)。
  • 审计基准语料库:103 个文件,与固定版本编译器(e5d60db8…)对比 0 输出差异,0 崩溃。
  • 仍未解决:IR 结构体被规范阻塞(OSC-1 排除结构体);调用仍仅限于更早的函数且为标量。

R42 级:定位 I/O(已完成)

pread fd A off n pos 与 pwrite fd A off n pos(系统调用 67/68)在显式的 long 位置移动字节,而不改变描述符的文件偏移;切片检查与结果和 read/write 一致。A text 是只读的,因此 pwrite 的源必须是可写数组(错误 20)。

  • host gate 创建 8 个字节,用 pwrite 在偏移 4 处写入 "XY",用 pread 读取全部 8 个字节,检查第 4 和第 5 个字节,并拒绝已关闭的描述符。
  • seed/omc/omc.om,7,100 行、249 个函数,sha256 bdc20d7dd10c3b3ccd70ce742f2622c59fc6207cbd792a128ef69ae1ed97ec60(118,219 字节)。
  • 审计基准语料库:103 个文件,与固定版本编译器(e5d60db8…)对比 0 输出差异,0 崩溃。这两个词在那里都没有被用作标识符。

R43 级:针对固定版本编译器的差分模糊测试(已完成)

seed/omc/pinned.om 是来自提交 f0499f41 的 R5 编译器源码。gate17.sh 用种子自有的 om4 构建它,并断言生成的摘要为 e5d60db8…;随后它生成 300 个确定性结构化程序(标量、数组、if/while/for、算术;显式 16 位 LCG),并用两个编译器分别编译每个程序。每个程序都必须被接受,且机器码逐字节一致。

这是一张比 103 文件基准语料库更广的回归网:300 个程序,0 差异,总共约 0.5 秒。seed/host/check.sh 运行它。

R44 级:IR 差分模糊测试(已完成)

gate-ir 现在从显式的 16 位 LCG 生成 30 个确定性的双函数程序(一个带有随机算术/比较/if 的辅助函数,以及一个带有调用和算术的调用者)。每个程序都必须与 C omegese + omega_emit oracle 逐字节一致,且 checker2 ACCEPT。这覆盖了超出九个手写单元的随机调用点和参数值:30 个程序,0 差异,约 0.5 秒。

R45 级:IR 中断(已完成)

文章标题:Show HN: Bootstrapping a compiler with AI run on to ARM64, WASM, SPIR-V

正文: IR 模式将 break 降为指向最内层循环出口的 BR,并将该路径标记为不可达;外层的 if/loop 关闭时,像 ret 或 trap 之后那样,跳过不可达的汇合点。gate 将 while、for 和嵌套循环 break 程序与 C oracle 逐字节比较,并要求 checker2 ACCEPT;循环外的 break 是错误 9,同一块中稍后的一行是错误 17。continue 仍被拒绝(错误 3),与 C omegese 一致,后者不接受它。

  • gate-ir 现在固定 10 个 dev 程序、9 个 call 单元、3 个 break 单元、30 个 fuzz 单元和 16 个拒绝项。
  • seed/omc/omc.om,7,128 行、251 个函数,sha256 a9cd48e909861051cd3ee771b1160fa31ce0cf8b95b559f54e6bf6e50958c297(118,732 字节)。
  • 审计基准语料库:103 个文件,0 个输出差异。

Rung R46:getsid、syncfs 和 shutdown(完成)

getsid pid(系统调用 156)、syncfs fd(267)和 shutdown fd how(210)是标量宿主字。gate 检查 getsid 0 > 0、对打开文件成功执行 syncfs,以及对常规文件(不是套接字)执行 shutdown 返回负值;文件随后被 unlink。

  • seed/omc/omc.om,7,159 行、251 个函数,sha256 a75ee5dec21c784c4bbc27e426b5124aebef4580b1b9587f60f7a2d6b7aa2a91(119,031 字节)。
  • 审计基准语料库:103 个文件,0 个输出差异。

Rung R47:IR 二元操作数类型(完成)

ir_bin_r 现在会针对左操作数检查右操作数:算术和比较要求类型相同(拒绝 bool 算术);移位允许任意整数位数,与语言一致(shl ulong 1 uint 3 与 oracle 完全相同),但拒绝 bool 或 float 位数;float 操作数被拒绝。在此之前,add s i(s 为 uint,i 为 ulong)会生成被 checker2 拒绝的 IR;现在改为失败 7。

  • gate-ir:19 个拒绝项和一个混合移位单元;总计为 10/10 dev、9 个 call 单元、3 个 break 单元、1 个 shift 单元、30 个 fuzz 单元。
  • seed/omc/omc.om,7,181 行、251 个函数,sha256 fe3fde9be68a069d20d89e3851596ebac1bd6daa42e4caf3079b0c60b87ba8d8(119,291 字节)。
  • 审计基准语料库:103 个文件,0 个输出差异。

Rung R48:IR 运算符结果类型与比较目标(完成)

ir_val 现在会针对预期上下文检查 bin/un/true/false 的结果类型(错误 7),从而堵住了 ret uchar add uint 1 uint 2 或 x = eq ...(x 为 uint)会生成被 checker2 拒绝的 IR 这一类问题。ir_bin_r 将比较结果写入目标寄存器(仅为哨兵使用新寄存器),因此重新赋值 bool 局部变量现在与 oracle 完全一致。

  • gate-ir:23 个拒绝项和一个 bool 赋值 oracle 单元;总计为 10/10 dev、9 个 call 单元、3 个 break 单元、1 个 shift 单元、1 个 bool 单元、30 个 fuzz 单元。
  • seed/omc/omc.om,7,196 行、251 个函数,sha256 3379c90abf70beb9ca76079956de2ac9dbb2a30e709ae8cfb9c777effe5053a9(119,499 字节)。
  • 审计基准语料库:103 个文件,0 个输出差异。

Rung R49:不阻塞转换的 IR 上下文类型(完成)

类型强制从 ir_val 的 name/literal/call 路径(这些路径错误地拒绝了显式转换,例如 x = ushort a 和 ret uchar uint 1)移到了需要精确类型的位置:if/while 条件、for 计数、返回、局部赋值、二元操作数和调用参数。显式 TYPE value 转换仍然可以改变类型;转换返回单元与 oracle 完全相同。

这修复了 if x(x 为 uint)、uchar 函数中的 ret x,以及 x = eq ...(x 为 uint)的问题(现在全部为错误 7),同时 dev01/dev02(ushort a、long a)和 uchar inc ... 可以编译。

  • gate-ir:26 个拒绝项和一个转换返回 oracle 单元;总计为 10/10 dev、9 个 call 单元、3 个 break 单元、1 个 shift 单元、1 个 bool 单元、1 个 cast 单元、30 个 fuzz 单元。
  • seed/omc/omc.om,7,208 行、251 个函数,sha256 ef19aa993d210ad20070ef99bce1e2ef02921d9541d7a443f973072c4d6fa6a3(119,643 字节)。
  • 审计基准语料库:103 个文件,0 个输出差异。

Rung R50:关键字生成器一致性(完成)

文章标题:Show HN: Bootstrapping a compiler with AI run on to ARM64, WASM, SPIR-V

正文: seed/omc/gate18.sh 用 genkw.awk 重新生成整条链,并将每个字面量 pack/id 对与限定在该函数作用域内的 fn kw 逐一比较。它独立检查完整的 ID 多重集,并从语义规范化器已提交的 tkw1 清单(seed/semhash/semhash.om)推导出预期的配对数量,且验证期间不重新生成该清单。两个计算得出的条目(readlnk 133、sockopt 134)与目标作用域的 efi 另行检查。因此,即使同时从生成器和编译器链中删除一个词,仍然会失败;tests/kfd/check.py 执行了这种协同删除的对照测试。修改语言后,若要生成规范化器清单,请使用 awk -v semhash=1 -f seed/omc/genkw.awk;用其输出替换该文件中的文本 tkw1 声明。seed/semhash/check.sh 检查规范化器完整的拼写/id 一致性。十进制字符串算术可精确保持超过 2^53 的 pack。seed/host/check.sh 运行 gate18。

Rung R51: constants in function mode (done)

函数模式单元(不含 fn main)以前会在输入末尾以错误 9 拒绝任何顶层名称,因为 s_eof 检查顶层名称的数量,而该数量包含常量。新的 fnstore 会扫描这些名称,仅拒绝全局池(kind 4)或文本(kind 5);常量(kind 9)在每次读取时折叠为其带类型的数值,无需程序映像。宿主词在使用它们的行上保留错误 9。

  • gate16 现在运行 18 个被接受的程序、27 个拒绝用例(新增了函数模式全局、文本、常量旁的全局或文本、宿主词、超出范围的 trap 码、浮点长度以及赋值),以及 9 个函数模式单元,其词汇必须与仅有字面量的单元逐字节相等。
  • 阴性对照:同一 gate16 针对先前的编译器(befb8199…)在 fm_value 处以错误 9 失败;一个编译后的变异体,其 fnstore 从不拒绝,在 fm_global 处失败。
  • seed/omc/omc.om,11,131 行,379 个函数。本次变更未刷新已提交的 seed/out/omc;集成负责人每批次重新种子一次。

TileLab planner input refusal (TL907-01)

用 sh seed/omega-from-seed.sh 构建候选编译器,然后在 AArch64 Linux 主机上从仓库根目录运行 sh seed/tilelab/gate.sh。该门禁在检查 seed/tilelab/expected.txt 中确切的规划器输出和进程状态之前,会打印编译器和规划器二进制的 SHA256 值。

规划器维度保持为文档规定范围内的十进制整数。十进制溢出会在无符号乘法或加法可能回绕之前被拒绝。可选的 REGS 预算必须是非空的十进制 ulong:格式错误、超出容量和溢出的输入返回用法状态 3,且不生成规划。对任何配置都过小的有效预算仍返回拒绝状态 2。可表示的最大 ulong 预算有效;解析失败被单独跟踪,而不是将其值解释为无限预算。

宿主门禁包含独立审计的溢出维度和格式错误的 REGS 输入、空和超出容量的 REGS 对照,以及最大值接受测试。seed/tilelab/parser_mutant.om 分别移除溢出保护或 REGS 状态检查。每个变异体必须编译成功、返回成功,并针对相应的无效审计输入输出规划;编译器失败或无关的运行时失败不被接受为对照证据。这些检查仅针对宿主解析。它们不访问也不验证 GPU,不改变经验调度模型,也不重写历史证据。

Local trace segment (omega-mv #608)

seed/trace/segment.om 是一个库单元(无 main),用于实现本地、仅追加的 trace segment:16 字节头部和 64 字节记录,每条记录都带序列号和 CRC-32。它可以只读地扫描 segment,其恢复机制会保留有效前缀,并将损坏的文件隔离为 <segment>.bad。在 AArch64 Linux 主机上,从仓库根目录运行 sh seed/trace/gate.sh(或 tests/gates/run.sh trace)。该 gate 会对照记录的 SHA-256 校验 seed/out/omc,然后要求 seed/trace/segment-test.om 中的 71 项检查精确打印出 seed/trace/expected.txt。它还要求四个源码变异体在各自的检查中失败:移除 CRC 比较、忽略截断尾部、削弱追加对齐保护,以及用 O_TRUNC 代替 O_EXCL 进行创建。seed/trace/README.md 描述了该格式。

seed/trace/tracecli.om 是该格式的离线只读 CLI(omega-mv #610):version、verify、show、events、stats、export、compare 和 list。除 stdout 外不写入任何内容。在 AArch64 Linux 主机上,从仓库根目录运行 sh seed/trace/cli-gate.sh(或 tests/gates/run.sh tracecli)。该 gate 会对照记录的 SHA-256 校验 seed/out/omc,固定生成的 fixture SHA-256 值和黄金 stdout,拒绝 mode-0000 的 segment,并要求四个源码变异体在各自的检查中失败。其中之一是对只读打开标志的字面扫描(32768;改为 32770,即 O_RDWR|O_NOFOLLOW,必须使扫描失败)。seed/trace/README.md 描述了该格式和 CLI。

Candidate scalar fma and exact literals

fma a b c(关键字 227)是显式的 AArch64 标量 FMADD,用于三个相同类型的 f32/f64。它只舍入一次,不同于分开的 mul 和 add。x86linux/x86efi 会以错误 9 拒绝类型正确的 fma,而不是静默替换为非融合算术;操作数错误 7 和 11 会先出现,与 AArch64 上相同。关于 NaN、有符号零、字面量舍入和拒绝规则,见 OMEGESE 第 9.9 节。

精确 limb 十进制转换器和 512 字面量 fixture 复用了 draft #1027 的核心(681d6f487ac3c237e0b8d73c287e0a8f232b1434,修复 #1024 和 #1026),应用于 main 5287336a50b4b75a357bfc330f599cc604209e40。它们不是独立的第二个修复。evidence/SEED-0/fma-exact-literals/oracle.wl 记录了一次挂载的 Wolfram 求值,它独立检查了全部 512 个预期模式和 f32/f64 融合反例。本次资格认定不需要继承的 Python oracle。

运行 seed fixpoint,然后运行 sh seed/omc/gate8.sh 和 sh seed/omc/gate-fma.sh。后者会编译一个带种子的 exact-once 源码变异器,拒绝缺失的变异位点,并要求检测 FMSUB、非融合乘/加、丢弃十进制余数和 ties-down 变异体。seed/host/check.sh 包含这两个 gate。

这是一个增量候选 profile,不是生产编译器 pin 刷新。按照集成所有权,bridge 的 e5b32567 profile 以及活动的 generated-unit/gate pin 保持冻结。采用需要单独授权的批量 reseed、generated-unit 重新生成和完整 pin 刷新;本 draft 不得被视为已安装或可独立合并。

How the checks stay honest

  • check/a64check.om 和 check/audit.sh 仅作为参考检查。Rung 0 使用 out/omc 构建 Omega 解码器/编码器,在此之前会校验 out/omc.sha256 并记录编译器哈希;rung 1 和 rung 2 复用它。这些 gate 不需要 C 编译器。Omega oracle 现在与其所检查的链共享祖先;GNU objdump 仍是独立的第二解码器。保留的 C 参考仅针对这些 seed gate 标记为 ORACLE;两个 src/ 实现在其他目标中仍是活动的第一方 C 代码。这些检查都不会写入任何 rung 的一个字节。生成的 parity 输入是 omc/tests/a64-decode-cases.om 和 a64-encode-edge-cases.om。
  • check/audit2.sh(GNU objdump)和 check/runner.c(用 C 编译器构建)同样是第 3 级和第 5 级的参考检查:一个把每条指令读回来,另一个调用两条路径生成的函数并比较结果。两者都不写入任何一级的任何字节。
  • evidence/SEED-0/rung3-worksheet.sh 和 rung5-worksheet.sh 是 om3 关键字表以及 Atlas 的消息字节和常量背后的算术,保留下来以便任何人都能重新计算。
  • evidence/SEED-0/rung0-worksheet.sh 是我在写这些词时所做的算术:每个手动字段布局都填入了数字。保留下来以便任何人都能重新计算。它在首次运行前发现了我的一处输入错误(第 26 个词)。

The translation is machine-generated and individual terms may be off. Nothing is rewritten or cut; the original is authoritative.

Published by HN AI
This site only summarises and aggregates; copyright stays with the original author. Headlines and summaries follow the source — where they differ, the original wins.
Read the original ↗