# 大语言模型改进反编译代码中的记忆基线

> 研究大语言模型改进反编译 C 代码时，标识符恢复来自输入证据还是先验知识。通过同一条目的消融实验和与输出词汇匹配的随机基线，比较教材式函数与新编写函数的命名增益，并进行第二模型复核。

- 作者：Muhammad Asjad
- 原标题：A Memorization Floor for LLM Refinement of Decompiled Code
- 发表载体：arXiv
- 发表状态：预印本
- 出版／提交日期：2026 年 9 月 15 日
- 日期依据：采用 arXiv v1 首次提交日期；产物存档日期单独区分。
- arXiv 首次提交：2026 年 9 月 15 日
- arXiv：2609.17236
- 已复核的 arXiv 版本：v1
- DOI：10.48550/arxiv.2609.17236
- 来源复核于：2026-10-20
- 收录于：2026-10-20
- 原始论文：<https://arxiv.org/abs/2609.17236>
- PDF：<https://arxiv.org/pdf/2609.17236v1>
- 项目：<https://zenodo.org/records/22121473>
- BibTeX：<https://awesomerea.org/papers/citations/paper-memorization-floor.bib>
- 目录页面：<https://awesomerea.org/zh/papers/paper-memorization-floor/>
- 记录 JSON：<https://awesomerea.org/papers/paper-memorization-floor/record.json>
- 英文版：[English](https://awesomerea.org/papers/paper-memorization-floor/index.md)

## 研究范围与局限

研究仅含 25 个教材式函数和 20 个作者编写的小函数，使用 x86-64 上的 GCC/Ghidra，每个模型只有一种提示。操作仍可观察，消融也改变惯用模式识别线索，因此有限检出能力下的零结果不能证明记忆或完全不利用输入。没有预登记假设得到确认，正确性指标未通过区分能力门槛；原 T3 逐项产物丢失后重新执行，精度随之改变。多数结果只来自一个改进模型，后续第二模型扩展与最初预登记分开报告。

## 与本合集的关联

为解释可读性好、命名合理的恢复代码提供对照方法，避免把命名分数当作语义恢复证明。

## 发表与复核说明

采用单作者的 arXiv v1，未核实正式发表场所。摘要页仍显示待登记，但 DataCite 确认 arXiv DOI 已于 2026-09-16 登记。手稿使用 arXiv 非独占分发许可。论文链接的 Zenodo 概念 DOI 解析到记录 22121473，版本为 1.1.0、日期为 2026-08-27，元数据为 9,639,907 字节的复现 ZIP 声明 CC BY 4.0。

## 一手来源

1. <https://arxiv.org/abs/2609.17236>
2. <https://arxiv.org/html/2609.17236v1>
3. <https://api.datacite.org/dois/10.48550/arxiv.2609.17236>
4. <https://doi.org/10.5281/zenodo.21968878>
5. <https://zenodo.org/records/22121473>
6. <https://zenodo.org/api/records/21968878>

## 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。