二进制反编译旨在将二进制代码恢复为高级语言源代码，但现有评估方法主要依赖语法相似性（如BLEU）或单一维度的可读性指标（如McCabe复杂度），无法反映实际可复用性。本文提出一种以可复用性为导向的评估范式，从三个正交维度衡量反编译器质量：可读性（代码是否易于理解）、可重编译性（反编译代码能否直接编译为目标程序）、功能性（反编译代码执行结果是否与原始二进制一致）。为实现这一范式，作者构建了DEBENCH框架，包含240个原子测试函数，组织成8个源文件并编译为640个二进制文件（覆盖多种编译选项和架构）。DEBENCH集成三种评估手段：基于LLM作为评判者的可读性评分（包含18个子维度的URAF评分体系）、在固定50次迭代预算下的迭代编译-修复流程（评估可重编译性）、以及基于Frida的差分动态追踪（在程序级、函数级和指令级比对执行行为）。研究评估了5款主流反编译器（如Ghidra、IDA Pro、Hex-Rays等）和3个用于修复的LLM（如GPT-4、Claude等）。主要发现包括：（1）可复用性悬崖显著：最佳反编译器-LLM组合在程序级行为重叠上达到22.3%（精确+部分匹配），但精确stdout匹配仅1.2%，远低于可重编译性指标（约50个百分点）；（2）可读性最佳设置并不最大化功能性：-O3优化产生最低可读性但最高功能性，Clang生成的可读性低于GCC但功能性高2.6倍；（3）反编译器间的功能级差异是修复LLM间差异的20倍（20x vs 1.6x），说明进展更依赖反编译器引擎而非更大规模的修复模型；（4）反编译失败可分为三类：语法噪声、类型系统坍塌（约占修复错误的19%）、以及不可逆的上游信息损失（如ARM64重定位惯用法、C++ ABI特性）。该研究为反编译工具选择、自动化补丁分析、恶意代码逆向等安全场景提供了量化基准。