asmsense：22.8 万个去符号 x86-64 函数数据集，教模型给二进制函数命名
luxurycashew · reddit · 2026-10-18
开发者发布 asmsense：一个用于给 stripped 二进制中的函数命名和生成描述的数据集 + 小模型(Qwen3-8B + LoRA)。
- 数据：228,177 个函数，来自 341 个宽松许可证 C 项目，作者自行编译(因此每个函数都有真实名称与源码)，覆盖 -O0 到 -Os 优化等级，带英文和土耳其文描述(中文计划中)。目前全部为 macOS 上 clang/Mach-O 构建。
- 已知缺口：ARM64/RISC-V/MIPS 架构、GCC/ELF 构建、人工校验标签、agent 轨迹、在 BinMetric/REBench 等公开基准上的测试。
- 描述质量说明：描述由能看到 C 源码的教师 LLM 生成，仅抽样校验，可能有小错误。
- 下一步构想：把「编译→strip→模型命名→按 token 级 F1 对比真名打分」做成 RL 环境；作者也指出该奖励易被通用名(如 getdata)刷分，并征集 reward shaping 与 RL 是否优于微调的经验。
代码与数据开源于 GitHub。
所属事件:开发者推出 asmsense：22.8 万反汇编函数数据集教模型给二进制命名(2 条相关)→
「编程与Agent」频道最新
- 跨任务记忆无校验：agent 的经验笔记可能悄悄变成错误规则 — blaizedsouza · 2026-10-18
- 多 Agent 编程如老虎机：一个完成两个排队等你决策 — theteknosaur · 2026-10-18
- 开发者：AI 让人想啥都做，写 spec 才能克制住乱发货 — audrow · 2026-10-18
- 开发者用 Claude 挖掘 1270 条十年笔记，建私人思想档案站 — inexistences · 2026-10-18
- 开发者发布 44 工具本地 MCP 服务器与 LM Studio 记忆插件(付费) — LunderIT · 2026-10-18
- Grok Bot自查记账流程，月耗3小时压缩到不足1小时 — RachelVT42 · 2026-10-18