BUSTA：用逆向基本块执行训练小模型推理二进制

GRPO 微调让小模型逆向推理二进制执行接近前沿水平

资讯摘要

论文提出 BUSTA 方法，通过逆向基本块执行任务——给定 x86-64 基本块和目标输出寄存器状态，预测产生该状态的输入寄存器值——将逆向工程技能迁移到开源小模型。作者用 GRPO 微调 Qwen3-1.7B 与 Nemotron-3-Nano，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%；前沿模型最高达 99.2%，微调后的 Nemotron-3-Nano 以更少参数量接近该水平。作者表示将发布两个微调模型和训练数据集。

要点速读

1. 任务设定为逆向基本块执行：由 x86-64 基本块与目标输出寄存器状态预测输入寄存器值
2. GRPO 微调使 Qwen3-1.7B 准确率由 73.2% 升至 85.3%，Nemotron-3-Nano 由 63.3% 升至 95.2%
3. 前沿模型最高 99.2%，微调 Nemotron-3-Nano 差距在 4 个百分点内；作者称将发布模型与数据集

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。