arXiv · cs.AI · Felix M\"achtle, Gautham Sriram, Manjil Neupane, Nils Loose, Thomas Eisenbarth · 8 小时前模型评分45
重新审视神经反编译：候选选择才是隐藏瓶颈
Rethinking Neural Decompilation: Candidate Selection as the Hidden Bottleneck
导读
研究基于 LLM4Decompile 发现，正确重建通常已存在于模型采样空间中：平均 95.6% 的位置上真实 token 落在前五预测内，多采样解码在 HumanEval-Decompile 上 pass@100 达 93%。
分类置信度
中 · 待人工复核
- 存在未解决的相邻类别：data-resources，需要人工复核。
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：科学研究
事件类型：研究发布
证据摘录
- “We then evaluate a generate-then-select pipeline that ranks 100 candidates per input with text-, syntax-, embedding-, consensus-, and likelihood-based selectors.”
- “Combined with one epoch of fine-tuning on our newly released ExeBench-Obfuscated dataset containing 362,647 obfuscated OLLVM samples, the same pipeline increases the pass@1 rate for obfuscated binaries to 88.8%”
来源：arXiv · cs.AI · arxiv.org