- Add CopyTypePropagator box (ChatGPT Pro design) for fixed-point Copy instruction type propagation - Integrate into lifecycle.rs before return type inference - Case D reduced from 12 to 9 (25% reduction) Implementation: - src/mir/phi_core/copy_type_propagator.rs: New box with fixed-point loop - src/mir/phi_core/mod.rs: Add module export - src/mir/builder/lifecycle.rs: Call propagator before return inference Test results: - Baseline: 494 passed, 33 failed (was 489/34) - Case D: 9 remaining (from 12) - Unit tests: 4/4 passed Remaining 9 Case D breakdown: - GroupA: Loop Edge Copy (7 cases) - PHI incoming needs Copy trace - GroupB: Multi-level PHI (2 cases) - Recursive PHI resolution needed Phase 84-3 will address GroupA with Edge Copy tracing in GenericTypeResolver. 🤖 Generated with [Claude Code](https://claude.com/claude-code) Co-Authored-By: Claude <noreply@anthropic.com>
13 KiB
13 KiB
Phase 84-2: Case D 残り 9件の詳細調査
概要
Phase 84-2 で CopyTypePropagator を実装した結果、Case D は 12件 → 9件に削減されました。 本ドキュメントは残り 9件の詳細分析結果をまとめます。
削減された 3件(Phase 84-2 で解決)
CopyTypePropagator により以下のパターンが解決されました:
- Copy チェーン伝播:
r1 = Copy r0→r2 = PHI [r1, r3]で r0 の型が r2 に伝播 - 多段 Copy 追跡: Copy 命令を遡って元の ValueId の型を発見
残り 9件の一覧
| # | テスト名 | ValueId | パターン分類 |
|---|---|---|---|
| 1 | test_lowering_await_expression |
ValueId(2) | GroupC: await 特殊パターン |
| 2 | loop_with_continue_and_break_edge_copy_merge |
ValueId(56) | GroupA: Loop + continue/break PHI |
| 3 | nested_loop_with_multi_continue_break_edge_copy_merge |
ValueId(135) | GroupA: Nested loop 複雑 PHI |
| 4 | loop_inner_if_multilevel_edge_copy |
ValueId(74) | GroupA: Loop + 多段 if |
| 5 | loop_break_and_early_return_edge_copy |
ValueId(40) | GroupA: Loop + early return |
| 6 | vm_exec_break_inside_if |
ValueId(27) | GroupA: Loop + if-break |
| 7 | loop_if_three_level_merge_edge_copy |
ValueId(75) | GroupA: Loop + 3段 if |
| 8 | mir_stage1_cli_emit_program_min_exec_hits_type_error |
ValueId(7) | GroupB: Stage1Cli 複雑型推論 |
| 9 | mir_stage1_cli_emit_program_min_compiles_and_verifies |
ValueId(7) | GroupB: Stage1Cli 複雑型推論 |
パターン分類の詳細
GroupA: Loop 制御フロー PHI(7件)
共通特徴:
NYASH_MIR_NO_PHI=1でテスト(PHI-off モード)- Loop + continue/break による複雑な制御フロー
- Edge Copy が複数の経路から合流する PHI
典型的な制御フロー:
loop(condition) {
if (cond1) { break } // → after_loop へ edge copy
if (cond2) { continue } // → loop_header へ edge copy
normal_path // → loop_header へ edge copy
}
return merged_value // ← PHI の型が未解決
問題の本質:
- PHI の incoming 値が全て Edge Copy の dst ValueId
- Edge Copy の src ValueId は value_types に登録されている
- しかし、GenericTypeResolver は PHI の incoming 値の型 しか見ない
- Copy の src を遡る処理が不足
なぜ CopyTypePropagator で解決できなかったか:
// CopyTypePropagator の現在のロジック
if let Some(ty) = types.get(&src) {
types.insert(dst, ty.clone()); // ← dst に型を登録
}
問題点:
- PHI の incoming 値 (dst) に型を登録
- しかし、GenericTypeResolver::resolve_from_phi() は 既に登録された型 を参照
- 参照のタイミングが遅い: lifecycle.rs が return 型を要求する時点で、 CopyTypePropagator はまだ実行されていない
具体例: loop_with_continue_and_break_edge_copy_merge
// 簡略化したコード
i = 0
sum = 0
loop(i < 5) {
i = i + 1
if (i == 3) { break } // → edge copy: sum_final = sum
if (i % 2 == 0) { continue } // → edge copy: sum_loop = sum
sum = sum + i
}
return sum // ← ValueId(56) の型が未解決
MIR 構造(推測):
Block1 (loop_header):
%sum_header = PHI [%sum_init, %sum_loop, %sum_updated]
Block2 (break):
%sum_final = Copy %sum_header ← value_types に型登録済み
Jump after_loop
Block3 (continue):
%sum_loop = Copy %sum_header ← value_types に型登録済み
Jump loop_header
Block4 (after_loop):
%56 = PHI [%sum_final] ← incoming の型が未登録!
Return %56
テストファイルの所在:
src/tests/loop_continue_break_no_phi_tests.rssrc/tests/loop_nested_no_phi_tests.rssrc/tests/loop_return_no_phi_tests.rssrc/tests/mir_ctrlflow_break_continue.rs
GroupB: Stage1Cli 複雑型推論(2件)
共通特徴:
mir_stage1_cli_emit_program_min.rsの 2テスト- static box + env.get/set による複雑な型フロー
- ValueId(7) が Main.main の戻り値
コードの特徴:
static box Stage1Cli {
emit_program_json(source) {
if source == null || source == "" { return null }
return "{prog:" + source + "}"
}
stage1_main(args) {
local src = env.get("STAGE1_SOURCE")
if src == null || src == "" { return 96 }
local prog = me.emit_program_json(src)
if prog == null { return 96 }
print(prog)
return 0
}
}
static box Main {
main(args) {
env.set("STAGE1_SOURCE", "apps/tests/stage1_using_minimal.hako")
return Stage1Cli.stage1_main(args) // ← ValueId(7) の型
}
}
問題の本質:
- 多段メソッド呼び出し:
Main.main→Stage1Cli.stage1_main→emit_program_json - 複数の return 経路: null / 96 / 0
- PHI が複数の経路から合流
デバッグ情報:
[DEBUG/build_block] Completed, returning value ValueId(14)
[DEBUG/build_block] Completed, returning value ValueId(83)
[DEBUG/build_block] Completed, returning value ValueId(95)
[DEBUG/build_block] Completed, returning value ValueId(47)
[DEBUG/build_block] Completed, returning value ValueId(63)
[DEBUG/build_block] Completed, returning value ValueId(7)
多数の ValueId が生成されており、PHI 合流が複雑であることを示唆。
テストファイル:
src/tests/mir_stage1_cli_emit_program_min.rs
GroupC: await 特殊パターン(1件)
テスト: test_lowering_await_expression
ValueId: ValueId(2)
コードの特徴:
// src/mir/mod.rs:363
let ast = ASTNode::AwaitExpression {
expression: Box::new(ASTNode::Literal {
value: LiteralValue::Integer(1),
span: crate::ast::Span::unknown(),
}),
span: crate::ast::Span::unknown(),
};
問題の本質:
- await 式の MIR lowering が特殊な制御フローを生成
- Core-13 pure mode では skip される(非同期システム未実装)
- ValueId(2) は await の戻り値
なぜ特殊か:
- await は将来的に Safepoint/Checkpoint 命令に変換される予定
- 現在は簡易実装のため、型推論が不完全
テストファイル:
src/mir/mod.rs:363-384
Phase 84-3 で必要な機能の推奨
推奨1: Edge Copy 追跡 PHI 型推論(優先度: 高)
対象: GroupA(7件)
アルゴリズム:
// GenericTypeResolver に追加
pub fn resolve_from_phi_with_copy_trace(
function: &MirFunction,
ret_val: ValueId,
types: &BTreeMap<ValueId, MirType>,
) -> Option<MirType> {
// 1. PHI 命令を探索
for inst in find_phi_instructions(function, ret_val) {
if let MirInstruction::Phi { inputs, .. } = inst {
// 2. incoming 値ごとに Copy を遡る
let mut inferred_types = Vec::new();
for (_, incoming_val) in inputs {
// 2-1. incoming_val の型を直接取得
if let Some(ty) = types.get(incoming_val) {
inferred_types.push(ty.clone());
continue;
}
// 2-2. incoming_val を定義する Copy 命令を探索
if let Some(src_val) = find_copy_src(function, *incoming_val) {
if let Some(ty) = types.get(&src_val) {
inferred_types.push(ty.clone());
continue;
}
}
// 2-3. 多段 Copy を再帰的に遡る
if let Some(ty) = trace_copy_chain(function, *incoming_val, types, 10) {
inferred_types.push(ty);
}
}
// 3. 全ての型が一致すれば返す
if let Some(first) = inferred_types.first() {
if inferred_types.iter().all(|t| t == first) {
return Some(first.clone());
}
}
}
}
None
}
fn trace_copy_chain(
function: &MirFunction,
start: ValueId,
types: &BTreeMap<ValueId, MirType>,
max_depth: usize,
) -> Option<MirType> {
let mut current = start;
for _ in 0..max_depth {
if let Some(ty) = types.get(¤t) {
return Some(ty.clone());
}
if let Some(src) = find_copy_src(function, current) {
current = src;
} else {
break;
}
}
None
}
実装箇所:
src/mir/join_ir/lowering/generic_type_resolver.rs
期待効果:
- GroupA の 7件を一気に解決
- Loop + continue/break パターンの完全対応
推奨2: 多段 PHI 型推論(優先度: 中)
対象: GroupB(2件)
問題:
Block1:
%a = PHI [const_96, const_0]
Block2:
%b = PHI [%a, const_0]
Block3:
%7 = PHI [%b] ← %b の型が未解決
アルゴリズム:
pub fn resolve_from_phi_recursive(
function: &MirFunction,
ret_val: ValueId,
types: &BTreeMap<ValueId, MirType>,
visited: &mut HashSet<ValueId>,
) -> Option<MirType> {
if visited.contains(&ret_val) {
return None; // 循環検出
}
visited.insert(ret_val);
// 1. 直接型推論を試みる
if let Some(ty) = resolve_from_phi(function, ret_val, types) {
return Some(ty);
}
// 2. PHI の incoming 値を再帰的に解決
for inst in find_phi_instructions(function, ret_val) {
if let MirInstruction::Phi { inputs, .. } = inst {
let mut inferred_types = Vec::new();
for (_, incoming_val) in inputs {
// 再帰的に型を解決
if let Some(ty) = resolve_from_phi_recursive(
function, *incoming_val, types, visited
) {
inferred_types.push(ty);
}
}
if let Some(first) = inferred_types.first() {
if inferred_types.iter().all(|t| t == first) {
return Some(first.clone());
}
}
}
}
None
}
実装箇所:
src/mir/join_ir/lowering/generic_type_resolver.rs
期待効果:
- GroupB の 2件を解決
- 多段メソッド呼び出しの型推論強化
推奨3: await 型推論特殊処理(優先度: 低)
対象: GroupC(1件)
短期対応:
// lifecycle.rs に特殊ケース追加
if function_name == "main" && is_await_expression {
// await の戻り値型は Unknown で許容
return MirType::Unknown;
}
長期対応:
- Phase 67+ で async/await システム完全実装
- Safepoint/Checkpoint 命令の型推論統合
実装箇所:
src/mir/builder/lifecycle.rs
期待効果:
- GroupC の 1件を解決(暫定)
推奨実装順序
Phase 84-3: Edge Copy 追跡 PHI 型推論(1-2日)
目標: GroupA の 7件を解決
ステップ:
GenericTypeResolver::resolve_from_phi_with_copy_trace()実装trace_copy_chain()ヘルパー関数実装find_copy_src()ヘルパー関数実装- lifecycle.rs から新関数を呼び出す
- テスト実行: 7件 → 0件 を確認
Phase 84-4: 多段 PHI 型推論(1-2日)
目標: GroupB の 2件を解決
ステップ:
GenericTypeResolver::resolve_from_phi_recursive()実装- 循環検出ロジック実装
- lifecycle.rs から新関数を呼び出す
- テスト実行: 2件 → 0件 を確認
Phase 84-5: await 暫定対応(30分)
目標: GroupC の 1件を解決(暫定)
ステップ:
- lifecycle.rs に await 特殊ケース追加
- テスト実行: 1件 → 0件 を確認
完了条件
# Phase 84-3 完了
NYASH_PHI_FALLBACK_DISABLED=1 cargo test --release --lib 2>&1 | grep "Case D" | wc -l
# 期待: 2 (GroupB のみ残存)
# Phase 84-4 完了
NYASH_PHI_FALLBACK_DISABLED=1 cargo test --release --lib 2>&1 | grep "Case D" | wc -l
# 期待: 1 (GroupC のみ残存)
# Phase 84-5 完了
NYASH_PHI_FALLBACK_DISABLED=1 cargo test --release --lib 2>&1 | grep "Case D" | wc -l
# 期待: 0 (全件解決)
ChatGPT Pro との設計相談ポイント
相談1: Edge Copy 追跡の最適化
質問:
- Copy チェーンの追跡深度は 10 で十分か?
- 循環 Copy 検出は必要か?(理論上は発生しないが)
- パフォーマンス最適化(キャッシュ戦略)
相談2: 多段 PHI の循環検出
質問:
- 循環 PHI は実際に発生するか?
- 発生する場合、どう処理すべきか?(エラー or Unknown)
- visited セットの最適なデータ構造
相談3: await 型推論の長期戦略
質問:
- Phase 67+ async/await システムの型推論設計
- Safepoint/Checkpoint 命令の型情報統合方法
- 現在の暫定対応が将来の実装を妨げないか
まとめ
Phase 84-2 の CopyTypePropagator により 12件 → 9件に削減成功。 残り 9件は以下の 3パターンに分類:
- GroupA: Loop 制御フロー PHI(7件)→ Edge Copy 追跡で解決可能
- GroupB: 多段 PHI(2件)→ 再帰的型推論で解決可能
- GroupC: await 特殊(1件)→ 暫定対応で解決可能
Phase 84-3/4/5 の実装により、Case D を完全解決 できる見込み。