如何提取 C 语言源代码函数用于数据集构建?

感谢您在 Decompile-Bench 和 LLM4Decompile 项目上做出的伟大工作。我一直在阅读论文《Decompile-Bench: 适用于现实世界二进制反编译的百万级二进制源代码函数对》并探索代码，我有一个关于在数据集构建过程中如何从 C 代码中提取源代码的问题（CTF 流程）。我注意到，在某些评估脚本（例如 embedding_gte.py）中，使用 tree-sitter-c 来解析 C 代码并提取标识符。对于基于标识符的奖励，我很好奇在构建二进制-源代码函数对时如何确定函数边界。具体来说，当您需要将 DWARF 函数跟踪映射到确切的源代码区域（在 Trace 步骤中）时，是否需要解析 C 源代码以提取函数体？