Github
Huggingface项目概述
LLM4Decompile是一个创新的反编译工具项目，它的主要目标是将x86汇编指令转换回C语言代码。最新发布的V1.5版本在性能上取得了显著的进步，相比前代模型提升高达100%。该版本采用了更大规模的训练数据集(15B tokens)，并且将最大token长度扩展到4,096。
性能评估
该项目在多个基准测试中展现出了优异的性能。在HumanEval-Decompile和ExeBench两个测试基准上，LLM4Decompile的6.7B模型都取得了最好的成绩。特别是在O0优化级别下，HumanEval-Decompile测试中达到了0.6805的高分，远超其他对比模型。即使在更高的优化级别(O1-O3)下，该模型也保持着稳定的领先优势。
使用方法
这个项目的使用流程主要分为两个步骤：
预处理阶段
用户需要首先将C代码编译成二进制文件，然后再将其反汇编成汇编指令。系统支持多种优化级别(O0-O3)的编译选项，可以根据需要选择。预处理过程会自动提取目标函数的汇编代码，并生成适当的提示信息。
反编译阶段
使用LLM4Decompile模型将预处理后的汇编指令转换回C代码。该过程采用了先进的语言模型技术，能够准确理解汇编代码的语义并生成对应的高级语言代码。
技术特点
- 采用大规模预训练语言模型
- 支持多种编译优化级别的反编译
- 处理长度可达4,096个token
- 提供完整的工具链支持
开源协议
该项目采用MIT开源协议，允许用户自由使用、修改和分发代码。
技术支持
项目维护团队鼓励用户通过GitHub问题追踪系统提出问题和建议，以促进项目的持续改进和完善。该项目为反编译领域带来了革新性的解决方案，为开发者和研究人员提供了强大的代码分析工具。
