論文の概要: SoK: Are LLMs Reliable at Source Code Recovery? A Taxonomy and Empirical Evaluation

• arxiv url: http://arxiv.org/abs/2610.11556v1
• Date: Thu, 08 Oct 2026 09:20:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.920691
• Title: SoK: Are LLMs Reliable at Source Code Recovery? A Taxonomy and Empirical Evaluation
• Title（参考訳）: SoK: LLMはソースコード回復に信頼性があるか? 分類学と実証的評価
• Abstract要約: 本稿では,LLMを用いたバイナリ・ソース・リカバリに着目した最初のSoK(Systematization of Knowledge)を提案する。 本研究では,LLM支援源回収手法の詳細な設計中心の分類法と,7つの主要な指標を用いた系統評価を行う。 我々の体系化と包括的評価は、この分野における今後の方向性を導く重要な洞察を提供する。
• 参考スコア（独自算出の注目度）: 1.7018321962319531
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Effective source recovery is critical to security applications such as malware analysis, vulnerability assessment, and legacy maintenance. Large Language Models (LLMs) are reshaping this field, shifting the paradigm away from rule-based heuristics to probabilistic and high fidelity semantic recovery of source code from assembly or classical decompiler-derived pseudo-C. However, despite rapid progress, the field suffers from fragmentation across numerous approaches as well as their non-unified evaluations, limiting objective comparisons. Further, existing works have limited coverage of embedded, IoT architectures and source languages beyond C/C++. In this work, we present the first Systematization of Knowledge (SoK) focused specifically on LLM-assisted binary-to-source recovery. We provide a granular design-centric taxonomy of LLM-assisted source recovery methods and systematic evaluations using seven key metrics along six evaluation dimensions. We evaluate state-of-the-art methods on 45,000 test samples derived from four standard and five embedded architectures, five optimization levels, and symbol stripping. We ablate the impact of design choices on recovery performance, including input representation, contextual enrichment, model scale, iteration and review roles using controlled in-house recovery pipelines and three off-the-shelf models. Finally, we test same-language and cross-language recovery capability covering four mature and two legacy languages. Our systematization and comprehensive evaluations provide key insights that guide future directions in this field.
• Abstract（参考訳）: 効果的なソースリカバリは、マルウェア分析、脆弱性評価、レガシーメンテナンスといったセキュリティアプリケーションにとって重要である。 LLM(Large Language Models)はこの領域を再構築し、パラダイムをルールベースのヒューリスティックから、アセンブリや古典的なデコンパイラ由来の擬似Cからのソースコードの確率的で忠実なセマンティックリカバリへとシフトしている。 しかし、急激な進歩にもかかわらず、フィールドは様々なアプローチの断片化と、その非統一評価に悩まされ、客観的比較が制限される。 さらに、既存の作業では、C/C++以外の組み込みIoTアーキテクチャやソース言語を限定的にカバーしている。 本研究では,LLM支援バイナリ・ソース・リカバリに着目した最初のSoK(Systematization of Knowledge)を提案する。 本研究では, LLM支援源回収手法の詳細な設計中心の分類法と, 6つの評価次元に沿った7つの指標を用いた系統的評価を行う。 4つの標準および5つの組込みアーキテクチャ、5つの最適化レベル、シンボルストリップから得られた45,000の試験サンプルについて、最先端の手法の評価を行った。 インプット表現,コンテキストエンリッチメント,モデルスケール,イテレーションとレビューロールなど,設計上の選択がリカバリパフォーマンスに与える影響を,制御された社内リカバリパイプラインと3つのオフザシェルフモデルを用いて強調する。 最後に、4つの成熟言語と2つのレガシー言語をカバーする同言語およびクロス言語回復機能をテストする。 我々の体系化と包括的評価は、この分野における今後の方向性を導く重要な洞察を提供する。

関連論文リスト

• Decoupling is a Necessity: Transformation-Agnostic Decompiled Code Recovery under Optimization and Obfuscation [17.25489608715255]
  我々は、ソースリカバリのための最初のマルチフェーズLCMフレームワークであるReSourceを紹介する。 これはバイナリからソースへの不一致を、語彙、構文、意味という3つの階層に概念化する。 83%のTop-5ソース検索精度と平均類似度スコアが0.66である。
  論文  参考訳（メタデータ） (2026-08-28T03:52:54Z)
• Asm2SrcEval: Evaluating Large Language Models for Assembly-to-Source Code Translation [4.45354703148321]
  アセンブリ・トゥ・ソースのコード翻訳はリバースエンジニアリング、サイバーセキュリティ、ソフトウェアメンテナンスにおいて重要なタスクである。 本稿では,アセンブリ・トゥ・ソース・トランスフォーメーションにおける5つの最先端大規模言語モデルの包括的評価について述べる。
  論文  参考訳（メタデータ） (2025-11-28T12:40:30Z)
• QiMeng-NeuComBack: Self-Evolving Translation from IR to Assembly Code [52.66657751895655]
  大規模言語モデル(LLM)は、ニューラルコンパイルという魅力的な新しいパラダイムを提供する。 本稿では,IR-to-assemblyコンパイル用に設計された新しいベンチマークデータセットであるNeuComBackを紹介する。 LLMの内部的なプロンプト戦略を進化させる自己進化的プロンプト最適化法を提案する。
  論文  参考訳（メタデータ） (2025-11-03T03:20:26Z)
• Large Language Model enabled Mathematical Modeling [2.132096006921049]
  本研究では,Large Language Models (LLMs) の自然言語理解とコード生成による定式化ギャップを埋める可能性について検討する。 DeepSeek-R1は、強化学習で訓練された費用効率で高性能なモデルである。 本手法は,基礎的評価,幻覚分類の発達,緩和戦略の適用を含む。
  論文  参考訳（メタデータ） (2025-10-22T17:41:42Z)
• Automated Repair of C Programs Using Large Language Models [0.0]
  本研究では,Cプログラムの修復を自動化する上で,LLM(Large Language Models)の可能性について検討する。 本稿では,SBFL(Spectrum-based Fault Localization),ランタイムフィードバック,Chain-of-Thought-structured(Chain-of-Thought-structured)を自動修復ループに統合するフレームワークを提案する。 我々の手法は44.93%の修理精度を達成し、最先端のAPRベースラインに対する3.61%の絶対的な改善を示している。
  論文  参考訳（メタデータ） (2025-09-02T04:34:11Z)
• FeedbackEval: A Benchmark for Evaluating Large Language Models in Feedback-Driven Code Repair Tasks [28.849481030601666]
  本稿では,大規模言語モデルのフィードバック理解と性能を評価するベンチマークであるFeedbackEvalを紹介する。 我々は,GPT-4o,Claude-3.5,Gemini-1.5,GLM-4,Qwen2.5の5つの最先端LCMについて総合的研究を行った。 その結果, 構造的フィードバック, 特にテストフィードバックの形では, 修復成功率が最も高く, 非構造的フィードバックは極めて少ないことがわかった。
  論文  参考訳（メタデータ） (2025-04-09T14:43:08Z)
• ReLearn: Unlearning via Learning for Large Language Models [64.2802606302194]
  本研究では、効果的なアンラーニングのためのデータ拡張および微調整パイプラインであるReLearnを提案する。 このフレームワークでは、知識レベルの保存を測定するために、知識獲得率(KFR)と知識保持率(KRR)を導入している。 実験の結果,ReLearnは高品質な出力を保ちながら,目標とするリセットを実現することができた。
  論文  参考訳（メタデータ） (2025-02-16T16:31:00Z)
• Automated Refactoring of Non-Idiomatic Python Code: A Differentiated Replication with LLMs [54.309127753635366]
  本研究は, GPT-4の有効性について検討し, 慣用行動の推奨と示唆について検討した。 この結果から,従来は複雑なコード解析に基づくレコメンデータの実装が求められていた,LCMの課題達成の可能性が浮き彫りになった。
  論文  参考訳（メタデータ） (2025-01-28T15:41:54Z)
• Automatic Evaluation for Text-to-image Generation: Task-decomposed Framework, Distilled Training, and Meta-evaluation Benchmark [62.58869921806019]
  GPT-4oに基づくタスク分解評価フレームワークを提案し、新しいトレーニングデータセットを自動構築する。 我々は、GPT-4oの評価能力を7BオープンソースMLLM、MiniCPM-V-2.6に効果的に蒸留するための革新的なトレーニング戦略を設計する。 実験結果から,我々の蒸留したオープンソースMLLMは,現在のGPT-4oベースラインよりも有意に優れていた。
  論文  参考訳（メタデータ） (2024-11-23T08:06:06Z)
• SIaM: Self-Improving Code-Assisted Mathematical Reasoning of Large Language Models [54.78329741186446]
  本稿では,コードに基づく批判モデルを用いて,質問コードデータ構築,品質管理,補完的評価などのステップをガイドする新しいパラダイムを提案する。 英語と中国語におけるドメイン内ベンチマークとドメイン外ベンチマークの両方の実験は、提案したパラダイムの有効性を実証している。
  論文  参考訳（メタデータ） (2024-08-28T06:33:03Z)
• SORRY-Bench: Systematically Evaluating Large Language Model Safety Refusal [64.9938658716425]
  SORRY-Benchは、安全でないユーザ要求を認識し拒否する大規模言語モデル(LLM)能力を評価するためのベンチマークである。 まず、既存の手法では、安全でないトピックの粗い分類を使い、いくつかのきめ細かいトピックを過剰に表現している。 第二に、プロンプトの言語的特徴とフォーマッティングは、様々な言語、方言など、多くの評価において暗黙的にのみ考慮されているように、しばしば見過ごされる。
  論文  参考訳（メタデータ） (2024-06-20T17:56:07Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。