神经反编译候选选择流水线提出

Felix Mächtle 等作者发布论文，提出先由模型生成多个候选、再用文本、语法、嵌入、共识和似然选择器排序的神经反编译流水线，认为候选选择是隐藏瓶颈。作者称，在 LLM4Decompile 上，95.6% 的位置真实 token 落在前五预测内，HumanEval-Decompile 多采样 pass@100 达 93%；流水线对每个输入排序 100 个候选。结合在新发布的 ExeBench-Obfuscated（362,647 个 OLLVM 混淆样本）上微调一轮，同一流水线将混淆二进制 pass@1 提高到 88.8%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。