arXiv cs.AI· Ritika Poddar, Aidan Fennelly, Deirdre Murphy, Eric Wolos, Corre L. Steele, Michael Doyle·· 12 小时前AI 评分31
BUSTA：用逆向基本块执行教小语言模型推理二进制执行
BUSTA: Teaching Small Language Models to Reason About Binary Execution
AI 导读
BUSTA 通过逆向基本块执行任务将逆向工程技能迁移到开源小模型：给定 x86-64 基本块和目标输出寄存器状态，让模型预测产生该状态的输入寄存器值。用 GRPO 微调 Qwen3-1.7B 和 Nemotron-3-Nano 后，可推断寄存器预测准确率分别从 73.2% 升至 85.3%、从 63.3% 升至 95.2%。
正文 · AI 翻译
摘要：大型语言模型（LLM）正越来越多地应用于逆向工程（RE）工作流。然而，RE 与常见的 LLM 编码任务不同，因为它要求模型对底层程序行为进行推理。此外，在资源受限的沙箱化 RE 环境中部署工具，限制了使用前沿规模解决方案的能力。我们研究一种有针对性的 LLM 训练方法能否通过逆向基本块执行将独特的 RE 技能迁移到开放模型：给定一个 x86-64 基本块和期望的输出寄存器状态，模型预测产生该状态的输入寄存器值。使用组相对策略优化（GRPO）对 \texttt{Qwen3-1.7B} 和 \texttt{Nemotron-3-Nano} 进行微调，可将可知寄存器预测准确率分别从 73.2\% 提升至 85.3\%，从 63.3\% 提升至 95.2\%。前沿模型仍得分最高（最高达 99.2\%），但我们微调后的 \texttt{Nemotron-3-Nano} 以极少的参数量将差距缩小到四分以内。我们发布了两个微调模型和训练数据集。
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI）；机器学习（cs.LG）；编程语言（cs.PL） |
| 引用为： | arXiv:2610.36288 [cs.CR] |
| （或 arXiv:2610.36288v1 [cs.CR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.36288 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Michael Doyle [查看电子邮件]
[v1]
2026年10月26日星期一 21:11:48 UTC（23 KB）
来源：arXiv cs.AI · arxiv.org