该论文研究了如何利用大语言模型（LLM）辅助二进制协议实现的一致性测试，以PKCS#1 v1.5签名验证标准为例。PKCS#1 v1.5是一种广泛部署的TLV编码标准，其实现需要同时满足结构和语义约束。传统随机测试和简单变异难以探索协议的有意义行为，而专用一致性测试工具需要深厚的协议知识和大量手动工作。本文提出结合语法级变异与LLM代码合成的方法，评估其在规范一致性测试中的通用性。实验使用了Morpheus（形式化验证的测试预言）作为基准，对48个密码库实现进行测试。结果显示，该方法成功复现了Morpheus先前发现的13个非平凡规范违规类别中的10个，包括全部5个签名伪造类别，并发现1个之前未报告的不一致。然而，LLM幻觉是限制有效性的主要因素（82.5%的生成脚本存在幻觉），而非变异策略本身。论文识别出五种不同的幻觉类型，并发现其分布在不同变异类别中系统性地变化：结构变异的实现保真度为13.3%，而约束变异正确率为30.3%但被忽略率最高（8.1%）。这些发现揭示了操作可靠性（99.8%）与语义保真度（17.5%）之间的显著差距，为在规范驱动测试中何时可以信任基于LLM的代码合成提供了可行指导。