本文针对物联网（IoT）固件漏洞检测中的反编译质量问题展开研究。IoT 设备常处理音频、视频、认证数据等敏感信息，其固件漏洞检测至关重要。反编译是关键技术之一，而基于大语言模型（LLM）的反编译工具虽能提供高可读性和高重编译成功率，但由于 LLM 依赖概率化 token 预测，其输出往往偏向语法正确性，可能生成与原始二进制语义不同的“看似合理”代码。漏洞常隐藏在错误处理流程、边界检查等细节中，这些细节容易在反编译过程中丢失。现有评估指标主要关注测试用例通过率，无法充分识别内部结构被改动但行为看似正常的代码，因此需要一种能从多个角度量化反编译代码内部结构的指标。为此，本文提出一个九维质量评估指标，涵盖结构相似性、行为相似性和语义相似性三大类。研究者以 OpenWrt（作为许多商业路由器基础的开源路由器平台）的 318 个程序为对象，使用五种方法（一种基于规则、四种基于 LLM）生成 19,625 个反编译结果，并进行统计分析。结果显示，重编译成功组的整体得分显著高于失败组（Cohen's d=0.92），其中行为相似性的效应量 d=0.96，结构相似性 d=0.69，证明这些指标是反编译质量的重要预测因子。该研究为量化 IoT 设备实现缺陷提供了统计评估基础，并提出了一个可推广至黑盒生成模型质量评估的框架。本文适合安全研究人员、固件分析工具开发者以及关注 LLM 输出可靠性的从业者阅读。