Fuzzilli项目中函数提升(Hoisting)的编译处理机制
在JavaScript引擎模糊测试工具Fuzzilli的开发过程中,开发者发现了一个关于函数提升(hoisting)特性的编译处理问题。这个问题揭示了Fuzzilli在编译过程中对JavaScript函数声明的特殊处理方式。
问题现象
当源代码中存在函数声明时,按照JavaScript的语言规范,函数声明会被提升(hoisting)到当前作用域的顶部。这意味着在函数声明之前就可以调用该函数。例如:
console.log(two); // 应该可以正常访问two函数
function two() {
}
然而在Fuzzilli的编译输出中,这个行为没有被正确保留。编译后的代码变成了:
console.log(two); // 这里two未定义
function f3() { // 函数名被重命名
}
技术背景
函数提升是JavaScript的一个重要特性,它允许在函数声明之前调用函数。这是由于JavaScript的编译阶段会将所有函数声明提升到作用域顶部。Fuzzilli作为一个模糊测试工具,在编译过程中会对变量和函数名进行重命名以增加测试的多样性,但这与函数提升特性产生了冲突。
解决方案
项目维护者指出,这个问题与编译过程中丢失原始变量名有关。他们提出了两个关键改进:
- 首先通过一个基础性修改,为FuzzIL(中间语言)的函数添加
.functionName属性,保留函数的原始名称信息 - 然后结合变量名处理机制的改进,使系统能够正确识别和处理函数提升的情况
这些改进将确保编译后的代码仍然保持JavaScript的函数提升语义,同时不破坏Fuzzilli原有的变量名随机化功能。
技术意义
这个问题的解决不仅修复了一个具体的编译错误,更重要的是完善了Fuzzilli对JavaScript语义的模拟能力。函数提升是JavaScript中一个基础但容易引起混淆的特性,正确处理这一特性对于生成有效的测试用例至关重要。通过保留函数名信息同时支持提升语义,Fuzzilli能够生成更符合实际JavaScript代码行为的测试用例,从而提高模糊测试的有效性。
现状
根据后续开发者的反馈,这个问题已经在最近的代码提交中得到解决。这表明Fuzzilli团队对JavaScript语言特性的支持正在不断完善,使得这个模糊测试工具能够更准确地模拟真实的JavaScript引擎行为。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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 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
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