# CodeInverter 套件：利用高效大语言模型进行结构与数据感知的二进制反编译

> CodeInverter 研究函数级 LLM 反编译，使用 IDA／objdump 提取的控制流图和内存到数据映射补充输入。论文提出提示工作流、训练语料与模型系列，并以编译、基准输入输出测试和编辑相似性评估结果。

- 作者：Peipei Liu; Jian Sun; Rongkang Sun; Li Chen; Zhaoteng Yan; Xiaoling Zhang; Dawei Wang; Dapeng Sun; Peizheng Zhang; Dan Li
- 原标题：The CodeInverter Suite: Structure- and Data-Aware Binary Decompilation with Efficient LLMs
- 发表载体：ASE 2026
- 发表状态：会议论文
- 出版／提交日期：2026 年 10 月 7 日
- 日期依据：采用 ACM 向 Crossref 提交的在线及印刷出版日期，另行保留 arXiv 首次提交日期。
- arXiv 首次提交：2025 年 3 月 10 日
- arXiv：2503.07215
- 已复核的 arXiv 版本：v3
- DOI：10.1145/3832783.3837554
- 来源复核于：2026-10-19
- 收录于：2026-10-20
- 原始论文：<https://dl.acm.org/doi/10.1145/3832783.3837554>
- PDF：<https://arxiv.org/pdf/2503.07215v3>
- 代码：<https://github.com/LiuPeiP-CS/CodeInverter>
- 项目：<https://huggingface.co/CodeInverter>
- BibTeX：<https://awesomerea.org/papers/citations/paper-codeinverter-suite.bib>
- 目录页面：<https://awesomerea.org/zh/papers/paper-codeinverter-suite/>
- 记录 JSON：<https://awesomerea.org/papers/paper-codeinverter-suite/record.json>
- 英文版：[English](https://awesomerea.org/papers/paper-codeinverter-suite/index.md)

## 研究范围与局限

评估针对 32／64 位 GCC 设置下的单个 C 函数。完整程序恢复、激进优化和受保护二进制仍有局限。正文写有 1 个 epoch（15 步），固定版本启动示例设置 1 个 epoch 及 100 个预热步，尚无法据此核实精确训练日程。

## 与本合集的关联

补充结合程序结构与数据上下文的 LLM 反编译研究，并区分编译、执行测试与相似性证据。

## 发表与复核说明

v3 的标题和十位作者顺序与 ACM 的 Crossref 元数据一致，仓库 548e59c 版本的 README 仍引用 v2／2025。直接访问 ACM 返回 HTTP 403。各产物使用独立版本。训练目录包含 MIT 与 DeepSeek 许可说明，CIM-1.3B 模型卡声明 CC BY 4.0。

## 一手来源

1. <https://api.crossref.org/works/10.1145/3832783.3837554>
2. <https://arxiv.org/abs/2503.07215v3>
3. <https://arxiv.org/pdf/2503.07215v3>
4. <https://arxiv.org/html/2503.07215v3>
5. <https://arxiv.org/abs/2503.07215v1>
6. <https://arxiv.org/abs/2503.07215v2>
7. <https://github.com/LiuPeiP-CS/CodeInverter/blob/548e59c5db07bd108659bf2bfb069f1cfd0c9298/README.md>
8. <https://zenodo.org/api/records/19351453>
9. <https://huggingface.co/CodeInverter/CIM-1.3b/raw/1f7745e19c5420a8c5896f5c31d6938f83454be4/README.md>
10. <https://github.com/LiuPeiP-CS/CodeInverter/blob/548e59c5db07bd108659bf2bfb069f1cfd0c9298/code4train/train/run_ms2decllm_train.sh>
11. <https://github.com/LiuPeiP-CS/CodeInverter/blob/548e59c5db07bd108659bf2bfb069f1cfd0c9298/code4train/LICENSE>
12. <https://github.com/LiuPeiP-CS/CodeInverter/blob/548e59c5db07bd108659bf2bfb069f1cfd0c9298/code4train/LICENSE-MODEL>

## 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。