Web Platform Tests项目中的calc()除法节点优化解析
Web Platform Tests(WPT)是一个用于测试Web平台功能的开源项目,它为浏览器厂商和Web开发者提供了一个共享的测试套件,确保Web标准在不同浏览器中的一致实现。该项目包含了大量针对CSS、HTML、JavaScript等Web技术的测试用例。
在CSS的calc()函数中,除法运算的处理方式最近有了重要更新。根据最新的CSS规范,a / b这样的除法表达式现在应该被解析为a * (1 / b)的形式。这种变化带来了更一致的解析行为和更好的序列化结果。
除法运算的新解析方式
在新的实现中,1 / b被表示为一个"Invert"节点,其中b作为参数。这个节点在序列化时总是会被括号包裹,有时会产生看似奇怪的表达式如calc((1 / x)),但这是符合规范的预期行为。
当分母x是一个非零常数时,系统会进行简化处理,将1/x直接计算为对应的常数。这与CSS"尽可能简化"的原则保持一致。值得注意的是,规范对于除以零的情况没有明确说明,目前的实现选择保留原始表达式而不进行特殊处理。
实现细节优化
在解析阶段,系统特别处理了1 / b这种情况,直接生成Invert节点,而不是按照理论上的1 * (1 / b)形式。这种优化避免了不必要的中间步骤,符合CSS简化计算的基本原则。
目前由于产品项的排序功能尚未实现,部分测试用例会出现预期不符的情况。例如,calc(x / 2)目前会被解析为calc(x * 0.5),而测试期望的是calc(0.5 * x)。这种差异将在后续的产品项排序功能实现后得到解决。
技术意义
这种改变使得CSS计算表达式的解析更加符合数学原理,同时也为未来的优化提供了更好的基础结构。将除法统一转换为乘法逆运算的处理方式,不仅简化了解析逻辑,还确保了在不同浏览器中的一致行为。
对于Web开发者而言,这一变化意味着在编写CSS时,可以更加自信地使用calc()函数中的除法运算,知道它会在所有现代浏览器中得到一致的处理。虽然表面语法看起来可能有些变化,但实际计算结果将保持数学上的正确性。
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