Странная проблема с адресом со связанным списком, реализованным numba jitclass

Я пытаюсь реализовать кеш LRU с двусвязным списком и хэш-картой. Двусвязный список довольно просто реализовать, следуя официальному примеру с использованием jitclass. Однако какая-то ошибка в баге заставила меня проверить логику в реализации связанного списка. В конце концов, я могу воспроизвести проблему на следующем минимальном примере:

from numba import int32, deferred_type, optional
from numba.experimental import jitclass

node_type = deferred_type()


@jitclass([
    ('key', int32),
    ('value', int32),
    ('next', optional(node_type))
])
class LinkedNode:
    def __init__(self, key, value, next):
        self.key = key
        self.value = value
        self.next = next
        
node_type.define(LinkedNode.class_type.instance_type)

def print_node(node):
    print(hex(id(node)), f'node({node.key}, {node.value})')

def foo():
    head = LinkedNode(-1, -1, None)
    curr = head
    for i in range(10):
        new_node = LinkedNode(i, i, None)
        curr.next = new_node
        curr = new_node
    node = head
    for i in range(10):
        node = node.next
        print_node(node)

foo()

Если вы сохраните его в файле .py и запустите из терминала, вы получите какой-то странный результат, например следующий:

$ python minimal_example.py
0x191a8ac7760 node(0, 0)
0x191a8ac76d0 node(1, 1)
0x191a8ac7760 node(2, 2)
0x191a8ac76d0 node(3, 3)
0x191a8ac7760 node(4, 4)
0x191a8ac76d0 node(5, 5)
0x191a8ac7760 node(6, 6)
0x191a8ac76d0 node(7, 7)
0x191a8ac7760 node(8, 8)
0x191a8ac76d0 node(9, 9)

В основном определяется головной узел, затем последовательно подключаются еще 10 узлов. Но проверка адреса с помощью id показывает, что уникальных объектов всего 2. И содержимое узлов выглядит правильно.

Мой вопрос: почему это происходит? Это из-за какой-то внутренней реализации jitclass numba или CPython?

Дополнительные примечания:

• Если вы закомментируете часть jit, код будет работать так, как ожидалось: каждый узел имеет разные адреса.
• Еще более запутанно, если вы скопируете тот же код в блокнот Jupyter, результат будет правильным.

Я заметил аналогичную проблему здесь: Сравнение объектов в numba jitclass. Я могу смягчить ту же проблему с помощью моего недавно добавленного атрибута key. Я только пытаюсь понять, почему это происходит.