文章主要内容与创新点总结一、主要内容研究背景：汇编到源代码（如C++）的翻译在逆向工程、网络安全和软件维护中至关重要，但目前缺乏针对大型语言模型（LLMs）在该任务上的系统评估基准。汇编语言存在可读性差、可维护性低、硬件依赖性强等缺陷，而传统规则基或统计方法难以捕捉语义细微差别，LLMs虽在代码相关任务中表现突出，但尚未有针对汇编到C++直接翻译的系统性研究。研究设计：选取5个代表性指令调优LLMs，分为小规模模型（DeepSeek-Coder-1.3B、Phi-4-Mini、Qwen2.5-Coder-1.5B）和大规模模型（Llama-3.1-8B、Mistral-7B），覆盖不同参数规模与架构。采用6类评估指标，涵盖词汇相似度（BLEU、ROUGE、METEOR）、语义对齐（BERTScore）、流畅度（Perplexity）和效率（预测时间），全面衡量翻译质量与实用性。数据集采用SBAN数据集的700个样本（含恶意软件与良性代码），参考代码为人工验证的C++源代码，确保评估可靠性。核心发现：存在明显的性能权衡：大规模模型（如Llama-8B、Mistral-7B）在词汇相似度、语义对齐和流畅度上表现更优，但推理速度较慢；小规模模型（如Phi-4-Mini）效率更高，但准确性稍逊。模型专项优势显著：Deepseek在ROUGE-L F1 Asm2SrcEval: Evaluating Large Language Models for Assembly-to-Source Code Translation
文章主要内容与创新点总结一、主要内容研究背景：汇编到源代码（如C++）的翻译在逆向工程、网络安全和软件维护中至关重要，但目前缺乏针对大型语言模型（LLMs）在该任务上的系统评估基准。汇编语言存在可读性差、可维护性低、硬件依赖性强等缺陷，而传统规则基或统计方法难以捕捉语义细微差别，LLMs虽在代码相关任务中表现突出，但尚未有针对汇编到C++直接翻译的系统性研究。研究设计：选取5个代表性指令调优LLMs，分为小规模模型（DeepSeek-Coder-1.3B、Phi-4-Mini、Qwen2.5-Coder-1.5B）和大规模模型（Llama-3.1-8B、Mistral-7B），覆盖不同参数规模与架构。采用6类评估指标，涵盖词汇相似度（BLEU、ROUGE、METEOR）、语义对齐（BERTScore）、流畅度（Perplexity）和效率（预测时间），全面衡量翻译质量与实用性。数据集采用SBAN数据集的700个样本（含恶意软件与良性代码），参考代码为人工验证的C++源代码，确保评估可靠性。核心发现：存在明显的性能权衡：大规模模型（如Llama-8B、Mistral-7B）在词汇相似度、语义对齐和流畅度上表现更优，但推理速度较慢；小规模模型（如Phi-4-Mini）效率更高，但准确性稍逊。模型专项优势显著：Deepseek在ROUGE-L F1