asmsense 发布：341 个项目 22.8 万个真实标注的反汇编函数数据集

RefactoringReality · reddit · 2026-10-18

作者发布 asmsense——用于为 stripped 二进制中的函数命名和写描述的数据集与小模型（Qwen3-8B + LoRA）。所有数据由作者自行编译宽松许可的 C 项目，每个函数都有真实名称与源码对应：共 228,177 个函数、341 个项目，覆盖 -O0 至 -Os 优化级别，含英文和土耳其语描述（中文计划中）。

数据缺口页列明待补方向：ARM64/RISC-V/MIPS 架构、GCC/ELF 构建（目前全为 clang/Mach-O）、人工校验标签、agent 轨迹、BinMetric/REBench 等公开基准成绩。作者还计划把流水线改造成 RL 环境（编译→strip→命名→按 token F1 打分），但担心通用名如 getdata 可刷分，向社区征求 reward shaping 与评测方法建议。说明：描述由能看 C 源码的教师 LLM 撰写，仅抽样由另一 LLM 核查。