LLM-ассистированная декомпиляция: Эволюция стратегий и инструментов

Статья обсуждает проблемы и стратегии, связанные с декомпиляцией с помощью LLM, особенно использованием Claude для декомпиляции игр Nintendo 64, таких как Snowboard Kids 2. Изначально прогресс предполагал однократную декомпиляцию, что повысило уровень совпадения кода с примерно 25% до 58%. Однако затем прогресс замедлился, что потребовало изменения подхода, чтобы в конечном итоге достичь примерно 75% совпадающих функций.

Критической стратегией стало определение приоритетности незавершенных функций, изначально используя модель логистической регрессии для оценки сложности на основе таких параметров, как количество инструкций и сложность управления потоком. Когда этот подход достиг плато, изучение схожести функций с помощью текстовых эмбеддингов ассемблерных инструкций дало хорошие результаты. Это включало вычисление схожих совпадающих функций, чтобы предоставить полезные ссылки, что таким образом улучшило производительность декомпиляции Claude.

Для вычисления сходства обсуждались векторные эмбеддинги, которые часто используются в системах RAG для быстрой выборки. Однако для проекта с лишь несколькими тысячами кандидатов точное вычисление схожести было вполне осуществимо. Изначально использовался составной коэффициент схожести, учитывающий нормализованные n-граммы инструкций, шаблоны управления потоком, смещения доступа к памяти и структурные метрики, но позже более простой метод Coddog для вычисления ограниченной расстояния Левенштейна по последовательностям опкодов оказался столь же эффективным, что позволило снизить сложность.

Специализированные инструменты, такие как gfxdis.f3dex2 и decomp-permuter, также значительно улучшили результаты Claude. В частности, использование библиотеки F3Dex2 сделало работу с микрокодом Reality Display Processor (RDP) N64 более управляемой, избегая необходимости в индивидуальной обратной разработке.