2026 · 预印本
当 LLM 反编译器更易重编译，却更少保留原始行为
When LLM Decompilers Recompile More and Preserve Less
Decompile-Diverge 基于源码生成驱动，并对参考实现进行模糊测试，以构建函数级行为比较。研究让重建函数使用相同输入，检查编译及既有测试可能漏掉的行为差异与崩溃消失。
研究范围与局限
该判定器需要参考源码、受支持输入及可构建的测试框架。比较仅覆盖有限输入语料和有界可观测状态；Matched 不代表所有输入上的等价。300 个 GitHub 参考函数中九个无法构建，最终保留 291 个；部分类型与函数被排除。DeGPT-Qwen 使用替换后的后端，并非原始发表的 DeGPT 模型。
与本合集的关联
具体说明重编译及基准通过率无法证明恢复代码的哪些行为属性。
发表与复核详情
- 发表载体
- arXiv
- 发表状态
- 预印本
- 出版／提交日期
- 2026 年 9 月 4 日
- 日期依据
- 采用已核对的 arXiv 首次提交日期；尚未核实正式出版信息。
- arXiv 首次提交
- 2026 年 9 月 4 日
- arXiv
- 2609.05370
- 已复核的 arXiv 版本
- v1
最新核对版本为 arXiv v1，文章采用 CC BY 4.0。已读论文及定向产物检索未核实作者代码或数据集链接；产物可用性与许可仍未确定。本次未复现文中测量结果。
来源复核于
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。