DexMaker 2.28.5版本发布:增强Mock功能与16KB页大小支持
项目简介
DexMaker是LinkedIn开源的一个强大的Java字节码生成工具库,主要用于Android平台的动态代码生成。它允许开发者在运行时生成和加载DEX格式的字节码,为Android应用开发提供了极大的灵活性。DexMaker特别适用于单元测试场景,能够轻松创建Mock对象和动态代理。
版本亮点
1. 多维类型Mock支持
在2.28.5版本中,DexMaker新增了对多维类型类的Mock支持。这个改进由贡献者wescande实现,解决了开发者在使用DexMaker进行复杂类型Mock时的痛点。
多维类型在Java中指的是数组的数组,比如int[][]或String[][][]等。在实际开发中,我们经常需要对这些复杂结构进行Mock以便于测试。新版本通过扩展类型系统支持,使得开发者能够:
- 创建任意维度的数组类型Mock
- 对这些Mock对象进行方法调用验证
- 设置和验证多维数组元素的返回值
这项改进显著提升了DexMaker在复杂测试场景下的实用性,特别是对于数据处理密集型应用的单元测试。
2. 16KB页大小支持
本次版本的另一项重要改进是对16KB页大小的支持,这主要涉及DexMaker处理原生库的部分。该功能由cleberhenriques和auras两位贡献者共同完成。
在Android系统中,不同的设备可能使用不同的内存页大小(通常是4KB或16KB)。这项改进带来的好处包括:
- 更好的内存对齐:针对使用16KB页大小的设备优化内存使用
- 性能提升:减少页边界跨越带来的性能损耗
- 兼容性增强:确保在所有Android设备上都能正确加载生成的代码
这项改进特别有利于在新型Android设备上运行的应用程序,因为这些设备越来越多地采用更大的内存页大小来提高性能。
技术实现细节
多维Mock的实现原理
DexMaker通过扩展其类型系统来实现多维Mock支持。在底层,它:
- 解析类型签名时识别数组维度标记
- 为每个维度生成适当的类定义
- 确保类型转换和赋值操作的正确性
- 维护类型层次结构的一致性
页大小适配机制
对于16KB页大小的支持,DexMaker主要做了以下工作:
- 检测目标设备的页大小
- 根据页大小调整代码生成策略
- 优化内存分配和对齐方式
- 确保生成的DEX文件符合不同页大小设备的要求
使用建议
对于想要使用这些新特性的开发者,建议:
- 升级到最新版本:确保获取所有改进和修复
- 测试兼容性:特别是在不同Android设备上测试Mock功能
- 性能评估:在16KB页设备上评估性能改进效果
- 代码审查:检查现有Mock代码是否可以利用新的多维支持简化
总结
DexMaker 2.28.5版本通过增加多维类型Mock支持和16KB页大小适配,进一步巩固了其作为Android平台强大代码生成工具的地位。这些改进不仅扩展了框架的功能边界,也提升了其在各种Android设备上的性能和兼容性。对于需要进行复杂单元测试或动态代码生成的Android开发者来说,这个版本值得关注和升级。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00