2019 · 会议论文

Coda：端到端神经程序反编译器

Coda: An End-to-End Neural Program Decompiler

Cheng Fu; Huili Chen; Haolan Liu; Xinyun Chen; Yuandong Tian; Farinaz Koushanfar; Jishen Zhao

Coda 分两个阶段将短函数的汇编反编译为 C。首先由区分指令类型的 N 叉 Tree-LSTM 编码器与带注意力输入的 AST 解码器生成代码草图；随后由多个神经错误预测器的集成提出词元修正，只有当候选代码重新编译后与输入汇编的编辑距离不增加时，才保留该修正。在合成基准上，作者报告修正后的平均程序准确率为 82%，而带注意力的序列到序列基线为 12%。

研究范围与局限

训练与测试程序均为随机生成，涵盖 Karel 指令、math.h 调用及算术或逻辑表达式，分为短、长两种（平均长度 15 与 30），每项任务 50,000 对，并在不开启优化的条件下编译：主要 MIPS 结果使用 clang -O0，x86-64 附录使用 gcc -O0，且只报告草图词元准确率，平均约低 6%。真实场景检查仅包括小型 PyTorch C++ API 模型构建程序和 Hacker’s Delight 无循环程序。程序准确率要求与真实源码词元完全一致，论文正是在该指标下报告常规反编译器为 0%。错误修正假定已知编译器配置，程序变长时词元准确率下降。这些结果既不能说明优化代码、整程序或二进制等价的反编译能力，论文也未给出作者实现。

与本合集的关联

补充一种 2019 年的早期端到端神经反编译器，它将学习式代码生成与经编译器检验的迭代修正相结合，早于本节中基于大语言模型的反编译论文。

发表与复核详情

发表载体: NeurIPS 2019
发表状态: 会议论文
出版／提交日期: 2019 年（具体日期未核实）
日期依据: NeurIPS 论文集页面及其元数据给出出版年份 2019（Advances in Neural Information Processing Systems 第 32 卷）。本条目不推定具体出版日，也不以 12 月的会议日期或 2019 年 6 月的 arXiv 提交日期代替。
arXiv 首次提交: 2019 年 6 月 28 日
arXiv: 1906.12029
已复核的 arXiv 版本: v1

arXiv 仅有 2019-06-28 提交的 v1，题为“A Neural-based Program Decompiler”，作者同为七人；本条目采用论文集标题。NeurIPS 元数据给出 Advances in Neural Information Processing Systems 第 32 卷第 3708–3719 页，论文集页面未列出 DOI。论文脚注说明 Coda 是 CodeAttack 的缩写。论文集补充材料 ZIP 内含一份附录 PDF，提供数据集统计、超参数、x86-64 结果表及 RetDec 示例。论文引用了第三方反汇编器（mipt-mips、REDasm），但未发布作者代码、数据或模型。本次未运行代码或实验。

来源复核于 2026-10-18

本合集仅做来源复核，未重新运行论文实验。请通过原始论文或 BibTeX 引用原作者。

研究范围与局限

与本合集的关联

发表与复核详情

一手来源