# D-LiFT：通过代码质量驱动的微调改进基于大语言模型的反编译器后端

> D-LIFT 使用 D-Score 指导大语言模型微调和输出选择，在优先保证准确性的同时改善反编译代码，并评估了 Ghidra 对 coreutils 和 util-linux 程序的输出。

- 作者：Muqi Zou; Hongyu Cai; Hongwei Wu; Zion Leonahenahe Basque; Arslan Khan; Berkay Celik; Dave; Tian; Antonio Bianchi; Ruoyu; Wang; Dongyan Xu
- 原标题：D-LiFT: Improving LLM-based Decompiler Backend via Code Quality-driven Fine-tuning
- 发表载体：arXiv
- 发表状态：预印本
- 出版／提交日期：2025 年 6 月 11 日
- 日期依据：arXiv 首次提交日期。
- arXiv 首次提交：2025 年 6 月 11 日
- arXiv：2506.10125
- 已复核的 arXiv 版本：v4
- 来源复核于：2026-11-06
- 收录于：2026-11-06
- 原始论文：<https://arxiv.org/abs/2506.10125>
- PDF：<https://arxiv.org/pdf/2506.10125>
- BibTeX：<https://awesomerea.org/papers/citations/paper-d-lift.bib>
- 目录页面：<https://awesomerea.org/zh/papers/paper-d-lift/>
- 记录 JSON：<https://awesomerea.org/papers/paper-d-lift/record.json>
- 英文版：[English](https://awesomerea.org/papers/paper-d-lift/index.md)

## 研究范围与局限

评估涵盖 coreutils 和 util-linux 中的函数，使用 Ghidra 和多种大语言模型。按 D-Score 衡量，微调后的模型比基线模型多改善了 55.3% 的函数；D-LIFT 改善了原生反编译器输出中 68.2% 的函数。

## 与本合集的关联

该研究关注从二进制文件重建的源代码的准确性和可读性。

## 发表与复核说明

日期和发表场所来自 arXiv 记录。

## 一手来源

1. <https://arxiv.org/abs/2506.10125>

## 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。