该论文首次系统性地研究了大型语言模型（LLM）在软件逆向工程（SRE）中与人类分析师的协作效果。研究分为两部分：首先通过一项包含153名从业者的在线调查，记录了当前LLM在SRE领域的应用现状；随后设计了一项精细的人类实验，选取两个具有CTF风格的二进制程序（代表真实软件），对48名参与者（24名新手和24名专家）进行了超过109小时的逆向工程工作流监测。通过18项发现，论文揭示了LLM在SRE中的多重益处与危害。显著结果表明：LLM辅助缩小了专业差距——新手的理解率提升了约98%，达到专家水平，而专家获益甚微；但同时存在有害幻觉、无建议和低效结果。已知算法函数的分类速度提升最高达2.4倍，工件恢复（符号、注释、类型）增加至少66%。总体而言，研究发现人机协同在SRE中具有强大潜力，但也凸显了当前LLM集成中的显著缺陷。该研究为安全分析师、逆向工程师及AI辅助工具开发者提供了重要参考，有助于理解LLM在实际逆向任务中的真实效用与局限性。