# 基于反馈驱动多轮修正的二进制反编译大语言模型

> AutoDecompiler 训练函数级反编译模型，利用编译、执行及 I/O 反馈修正汇编或伪代码输入产生的输出。其强化学习设计结合诊断反馈及代码有效性、测试行为、语法和数据流结构奖励。

- 作者：Peipei Liu; Jian Sun; Mingzhe Xing; Yicheng Zeng; Zhaoteng Yan; Lixiao Zhang; Li Chen; Dan Li
- 原标题：Binary Decompilation LLM with Feedback-Driven Multi-Turn Refinement
- 发表载体：arXiv
- 发表状态：预印本
- 出版／提交日期：2026 年 6 月 15 日
- 日期依据：采用 2026-06-15 的 arXiv 首投日期；本次核对的 v2 修订日期为 2026-10-03，并非另一次出版。
- arXiv 首次提交：2026 年 6 月 15 日
- arXiv：2606.16162
- 已复核的 arXiv 版本：v2
- 来源复核于：2026-10-20
- 收录于：2026-10-20
- 原始论文：<https://arxiv.org/abs/2606.16162>
- PDF：<https://arxiv.org/pdf/2606.16162v2>
- 代码：<https://zenodo.org/records/23120286>
- 项目：<https://huggingface.co/AutoDecompiler>
- BibTeX：<https://awesomerea.org/papers/citations/paper-autodecompiler.bib>
- 目录页面：<https://awesomerea.org/zh/papers/paper-autodecompiler/>
- 记录 JSON：<https://awesomerea.org/papers/paper-autodecompiler/record.json>
- 英文版：[English](https://awesomerea.org/papers/paper-autodecompiler/index.md)

## 研究范围与局限

评估采用 HumanEval、MBPP 的 C 改编版本及验证反馈，有限测试不证明一般等价。HumanEval 还用于选择奖励权重，无法排除基座模型预训练时接触基准。修正受上下文长度限制，不恢复完整程序依赖，对未见工具链或受保护二进制仍有局限。

## 与本合集的关联

补充通过强化学习学习利用程序反馈的方案，并分别记录首投与最新修订。

## 发表与复核说明

首投日期为 2026-06-15，本次核对的 v2 日期为 2026-10-03。目录采用 arXiv 记录的较短标题，v2 PDF／HTML 采用以“AutoDecompiler: Reinforcement-Learning-Trained”开头的更长标题，八位作者一致。Zenodo 版本 23120286 列出采用 CC BY 4.0 的代码／数据归档。已查 Hugging Face 模型未提供许可元数据。

## 一手来源

1. <https://arxiv.org/abs/2606.16162v2>
2. <https://arxiv.org/html/2606.16162v2>
3. <https://arxiv.org/abs/2606.16162v1>
4. <https://arxiv.org/pdf/2606.16162v2>
5. <https://zenodo.org/api/records/23120286>
6. <https://huggingface.co/api/models/AutoDecompiler/AutoDecompiler-1.3B-e2e>

## 关于此条目

已依据论文及一手来源复核。请通过原始论文或 BibTeX 引用原作者。
原创说明采用 MIT 许可；外部项目、论文与素材保留各自的权利和许可。