Fugu-MT 論文翻訳(概要): The Evolution of Binary Decompilation in the Modern Era: A Taxonomy, Literature Review, and Future Perspectives

論文の概要: The Evolution of Binary Decompilation in the Modern Era: A Taxonomy, Literature Review, and Future Perspectives

arxiv url: http://arxiv.org/abs/2608.24955v1
Date: Tue, 25 Aug 2026 02:20:54 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-27 14:15:15.291415
Title: The Evolution of Binary Decompilation in the Modern Era: A Taxonomy, Literature Review, and Future Perspectives
Title（参考訳）: 近代におけるバイナリ・デコンパイルの進化 : 分類学・文献レビュー・今後の展望
Abstract要約: 本稿は、過去数十年にわたって発行された非コンパイル研究の体系的レビューである。現代研究における方法論の包括的分類法を開発する。私たちのレビューでは、信頼できる基盤の真理の欠如や標準化されたベンチマークの欠如など、重要な課題が明らかになっている。
参考スコア（独自算出の注目度）: 1.1172382217477126
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Decompilation has become a foundational technique in software engineering and security analysis, and it is now advancing through the integration of modern machine learning (ML) approaches. This article presents a systematic review of decompilation studies published over the past decades and develops a comprehensive taxonomy of methodologies employed in contemporary research. We further examine trends in evaluation metrics, tools, and benchmarks used to assess state-of-the-art approaches. Our review reveals key challenges, such as the lack of reliable ground truth and the absence of standardized benchmarks, which hinder rigorous comparison. Finally, we outline future research directions.
Abstract（参考訳）: 逆コンパイルは、ソフトウェアエンジニアリングとセキュリティ分析の基盤となる技術となり、現代の機械学習(ML)アプローチの統合によって進歩している。本稿は、過去数十年にわたって発行された非コンパイル研究の体系的レビューを行い、現代研究で用いられる方法論の包括的分類法を開発する。さらに、最先端のアプローチを評価するために使用される評価指標、ツール、ベンチマークの傾向について検討する。私たちのレビューでは、信頼できる根拠の真実の欠如や、厳密な比較を妨げている標準ベンチマークの欠如など、重要な課題が明らかになっている。最後に,今後の研究の方向性について概説する。

関連論文リスト

Can AI Be a Good Peer Reviewer? A Survey of Peer Review Process, Evaluation, and the Future [50.89292049215399]
大規模言語モデル(LLM)は、ピアレビュープロセスの異なる段階を支援または自動化する動機付けの手法である。我々は、(i)ピアレビュー生成のためのテクニックを合成し、微調整戦略、エージェントベースシステム、RLベースの手法、そして生成を強化する新しいパラダイムを合成する。データセットをカタログ化し、モデリングの選択を比較し、制限、倫理的懸念、今後の方向性について議論します。
論文参考訳（メタデータ） (2026-04-30T14:28:21Z)
A Survey on Generative Model Unlearning: Fundamentals, Taxonomy, Evaluation, and Future Direction [21.966560704390716]
我々はジェネレーティブ・モデル・アンラーニング(GenMU)に関する最近の研究についてレビューする。本研究では,未学習目標,方法論的戦略,評価指標を分類するための統合分析フレームワークを提案する。実世界のアプリケーションにおける非学習技術の潜在的な実用的価値を強調した。
論文参考訳（メタデータ） (2025-07-26T09:49:57Z)
A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond [0.37865171120254354]
ハッシュタグは、基本的な分類メカニズムとして、コンテンツの可視性とユーザエンゲージメントを高める上で重要な役割を果たす。正確で堅牢なハッシュタグレコメンデーションシステムの開発は、依然として複雑で進化中の研究課題である。本稿では,ハッシュタグレコメンデーションシステムの体系的解析を行い,近年のいくつかの側面にわたる進歩について検討する。
論文参考訳（メタデータ） (2025-03-24T13:40:36Z)
A Comprehensive Survey of Machine Unlearning Techniques for Large Language Models [35.893819613585315]
本研究では,大規模言語モデル(LLM)の文脈における機械学習手法について検討する。 LLMのアンラーニングは、LLMから望ましくないデータの影響を取り除くための原則的なアプローチを提供する。研究の関心が高まりつつあるにもかかわらず、既存の研究を体系的に整理し、重要な洞察を蒸留する総合的な調査は行われていない。
論文参考訳（メタデータ） (2025-02-22T12:46:14Z)
Machine Learning for Missing Value Imputation [0.0]
本論文の主な目的は、ミス・バリュー・インプットにおける最先端の機械学習アプリケーションの解析と同様に、包括的で厳密なレビューを行うことである。 2014年から2023年にかけて発行された100以上の記事が、その方法や発見を考慮して批判的にレビューされている。最新の文献は,MVI法の動向とその評価を精査するために検討されている。
論文参考訳（メタデータ） (2024-10-10T18:56:49Z)
Comprehensive Study on Sentiment Analysis: From Rule-based to modern LLM based system [0.0]
本研究では、感情分析の歴史的発展を考察し、レキシコンベースおよびパターンベースアプローチから、より洗練された機械学習およびディープラーニングモデルへの移行を強調した。本稿は、最先端のアプローチをレビューし、新たなトレンドを特定し、今後の研究の方向性を概説する。
論文参考訳（メタデータ） (2024-09-16T04:44:52Z)
A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [51.26815896167173]
本稿では,3つの相補的な側面からPAMIレビューを総合的に分析する。我々の分析は、現在のレビューの実践において、独特の組織パターンと永続的なギャップを明らかにします。最後に、最先端のAI生成レビューの評価は、コヒーレンスと組織の進歩を奨励していることを示している。
論文参考訳（メタデータ） (2024-02-20T11:28:50Z)
Fine-Grained Zero-Shot Learning: Advances, Challenges, and Prospects [84.36935309169567]
ゼロショット学習(ZSL)における微粒化解析の最近の進歩を概観する。まず、各カテゴリの詳細な分析を行い、既存の手法と手法の分類について述べる。次に、ベンチマークを要約し、公開データセット、モデル、実装、およびライブラリとしての詳細について説明する。
論文参考訳（メタデータ） (2024-01-31T11:51:24Z)
Image Quality Assessment in the Modern Age [53.19271326110551]
本チュートリアルは、画像品質評価(IQA)の基礎的理論、方法論、現状の進歩を聴衆に提供する。まず,視覚刺激を適切に選択する方法に着目し,主観的品質評価手法を再考する。手書きのエンジニアリングと(深い)学習ベースの手法の両方をカバーします。
論文参考訳（メタデータ） (2021-10-19T02:38:46Z)
Deep Learning Schema-based Event Extraction: Literature Review and Current Trends [60.29289298349322]
ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
論文参考訳（メタデータ） (2021-07-05T16:32:45Z)
A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
論文参考訳（メタデータ） (2020-08-02T00:09:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。