用途：审计 datafusion-spark 中单个 Spark SQL 函数实现的正确性，基线为 Spark 4.2.0，同时读取 Spark 3.5.8、4.0.4、4.1.3 仅用于发现版本间行为变化。每次调用只审计一个函数。
主要流程：浅克隆各版本 Spark 源码；在 FunctionRegistry.scala 中定位函数对应的 Scala 类并阅读各版本的 eval/nullSafeEval/doGenCode、inputTypes、可空性、ANSI 分支与 SQLConf 等；收集 Spark 自身单元测试与 golden 文件用例；审查 DataFusion 实现（datafusion/spark/src/function/<category>/<function>.rs 及 mod.rs）；与 Comet、Sail 交叉核对；检查已有 SLT 覆盖并做差距分析；用 PySpark 建立基准；最后应用发现。
运行方式：仓库内执行 datafusion-spark 函数的唯一方式是向 datafusion/sqllogictest/test_files/spark/<category>/<function>.slt 添加查询，并运行 cargo test --test sqllogictests -- spark/<category>/<function>。datafusion-cli 未注册该函数库，会报 Invalid function。
检查要点：签名与类型强制转换、返回可空性、null 传播顺序、Arrow 内核与 Java 语义差异（如 -0.0、溢出、类型宽度）、ColumnarValue 四种形状分派、溢出与 panic、类型分派、ANSI 处理与 TODO。
限制：路径可能失效，路径不存在或 grep 无结果需在报告中说明并标记相关结论为未确定；.slt 存在不意味着 datafusion/spark 中一定实现，可能落到核心函数；DataFusion 不建模 Spark 的错误类或 SQLSTATE；尚无版本特定期望机制（见 issue 23887）。