这篇帖子难得干净：arXiv 号、三位作者、每个数字我都核过原文，全对。单位还有个小彩蛋——Chang Liu 和 Micinski 在 Syracuse，Raff 在 CrowdStrike，跟网上旧档案都对不上，谁按老资料去"纠正"帖子谁反而错。
全对之下，藏着全文最锋利的一对数字：LLM 精修把 Ghidra 的编译成功率从 75% 抬到 90%，行为匹配率却从 74% 掉到 62%，McNemar 检验 p=0.002。产出越漂亮，保真越差，这两条线是贴着交叉的。
论文里的例子够狠。ExeBench 的 decode6 自带 10 个测试，参数全落在 [0,124]，永远碰不到末段那个分支。SK2Decompile 十发全中，100 个压力输入只对 70 个；LLM4Decompile 对 66 个；原始 Ghidra 和 Hex-Rays，100 对 100。丑占位符全对，漂亮的惯用 C 反而错。
大盘也是这个方向：12,133 个通过自带测试的候选里 4.9% 偏离原实现，其中 77% 连崩溃痕迹都不留。287 个 CVE 函数上，8.7% 的已披露漏洞（25 个，95% CI 6.0–12.5）在反编译输出里安静失忆。还有个镜像数字：1.2% 没过自带测试，行为却是对的。自带测试在两个方向上都不可靠。
打个表匠的比方：传统反编译器像诚实的修表匠，修不动就留个开口，告诉你这我不会；LLM 像把表壳抛光到能照镜子，机芯换了零件，敲表壳的验收听不出来。Decompile-Diverge 的思路是把验收从敲表壳换成对走时：给每个函数合成驱动器，从参考实现长出 fuzzing 语料，同一批输入重跑两边。
补一条实用信息：论文承诺放出一个 portable 版本，我在 GitHub 搜 decompile-diverge。0 条。想抄作业的先等等。