跳到主要内容
检索

# AutoDecompiler 反编译模型

1 篇关联报道

订阅更新
  1. arXiv

    AutoDecompiler 用强化学习把二进制反编译改成多轮反馈修正,在同规模同输入下稳定超过单轮基线并提升行为可重执行性

    该工作提出 AutoDecompiler,一个用强化学习训练的、面向反编译的 LLM,把二进制反编译从单轮生成改为基于编译、执行与输入/输出测试反馈的迭代修正过程,并设计覆盖代码有效性、可重编译性、执行一致性与语义保真度的反编译专用奖励,以及来自编译器错误、执行失败和失败测试用例的阶段感知诊断反馈,配合进度感知轨迹奖励与轮次感知优势重加权;在多种输入设置、模型规模和基准上,同模型规模与同输入设置下 AutoDecompiler 一致优于单轮对应方法,在行为可重执行性上取得明显提升。

已读完全部报道