# StackSight：借助大语言模型与神经符号思维链反编译揭示 WebAssembly > StackSight 借助大语言模型提示，将 WebAssembly 文本格式（WAT）函数反编译为 C++。它先通过静态分析为每条 WAT 指令标注虚拟栈状态，在分支分叉处使用符号记法；再用单样例思维链提示，要求模型恢复变量含义、总结函数功能并写出 C++。使用 GPT-4 时，与单样例提示相比，通过全部基准测试的输出比例在 HumanEval-X 上从 19.7% 升至 36.5%，在 MBXP 上从 42.4% 升至 59.6%；论文还评估了 GPT-3.5 与 Code Llama-7B-Instruct。 - 作者：Weike Fang; Zhejian Zhou; Junzhou He; Weihang Wang - 原标题：StackSight: Unveiling WebAssembly through Large Language Models and Neurosymbolic Chain-of-Thought Decompilation - 发表载体：ICML 2024 - 发表状态：会议论文 - 出版／提交日期：2024 年 7 月 8 日 - 日期依据：PMLR 标明第 235 卷于 2024 年 7 月 8 日出版，论文页面给出的引用日期与此相同。本条目不以 7 月 21—27 日的会议日期或 2024 年 6 月的 arXiv 提交日期作为出版日期。 - arXiv 首次提交：2024 年 6 月 7 日 - arXiv：2406.04568 - 已复核的 arXiv 版本：v1 - 来源复核于：2026-10-18 - 收录于：2026-10-19 - 原始论文： - PDF： - BibTeX： - 目录页面： - 记录 JSON： - 英文版：[English](https://awesomerea.org/papers/paper-stacksight/index.md) ## 研究范围与局限 输入是 HumanEval-X（164 个中 161 个可编译）与 MBXP（974 个中 773 个）C++ 子集中的简短练习函数，以 Emscripten 3.1.46 按 -Oz 编译为侧模块，通过 --profiling-funcs 保留函数名，再用 wasm2wat 1.0.33 转换；未评估经过压缩、混淆或完整应用规模的 WebAssembly。正确性指输出能够编译并通过基准测试用例的比例；测试判定器会重命名函数、插入测试并补充命名空间指令，按值传参则由人工修改。通过这些测试并不证明与原始模块等价。函数摘要以 BERTScore 和 SBERT 评分；用户研究有 15 名参与者，每个数据集 20 个代码片段。wasm2c 与一种早期神经反编译器因无法生成可编译输出而未纳入比较，结果也依赖特定版本的托管模型。 ## 与本合集的关联 补充由静态栈分析引导的大语言模型 WebAssembly 反编译方法，覆盖网页应用所交付的字节码格式，与本节的原生代码反编译论文并列。 ## 发表与复核说明 PMLR 列出 Proceedings of the 41st International Conference on Machine Learning、PMLR 第 235 卷第 13010–13028 页，未给出 DOI。arXiv 仅有 2024-06-07 的 v1，其备注引用 ICML 2024 论文集。所用模型为 gpt-3.5-turbo-1106、gpt-4-0125-preview 与 Code Llama-7b-Instruct；GPT-4 仅与单样例提示比较，GPT-3.5 与 Code Llama 的基线另含 3、5、10 样例提示。附录给出 emcc 与 wasm2wat 命令及提示词。论文链接了 WABT、Emscripten 等第三方工具，但未提供作者代码、提示词仓库或评测框架。 ## 一手来源 1. 2. 3. 4. ## 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。