Rétro ingénierie des modèles dâobjets dynamiques pour JavaScript
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
La compréhension des objets dans les programmes orientés objet est une tâche impor-\ntante à la compréhension du code. JavaScript (JS) est un langage orienté-objet dyna-\nmique, et son dynamisme rend la compréhension du code source très difficile. Dans ce\nmémoire, nous nous intéressons à lâanalyse des objets pour les programmes JS. Notre\napproche construit de façon automatique un graphe dâobjets inspiré du diagramme de\nclasses dâUML à partir dâune exécution concrète dâun programme JS. Le graphe résul-\ntant montre la structure des objets ainsi que les interactions entre eux.\nNotre approche utilise une transformation du code source afin de produire cette in-\nformation au cours de lâexécution. Cette transformation permet de recueillir de lâinfor-\nmation complète au sujet des objets crées ainsi que dâintercepter toutes les modifications\nde ces objets. à partir de cette information, nous appliquons plusieurs abstractions qui\nvisent à produire une représentation des objets plus compacte et intuitive. Cette approche\nest implémentée dans lâoutil JSTI.\nAfin dâévaluer lâutilité de lâapproche, nous avons mesuré sa performance ainsi que le\ndegré de réduction dû aux abstractions. Nous avons utilisé les dix programmes de réfé-\nrence de V8 pour cette comparaison. Les résultats montrent que JSTI est assez efficace\npour être utilisé en pratique, avec un ralentissement moyen de 14x. De plus, pour 9 des 10\nprogrammes, les graphes sont suffisamment compacts pour être visualisés. Nous avons\naussi validé lâapproche de façon qualitative en inspectant manuellement les graphes gé-\nnérés. Ces graphes correspondent généralement très bien au résultat attendu.\nMots clés: Analyse de programmes, analyse dynamique, JavaScript, profilage.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it