基于大语言模型的二进制分析中的隐式模式

针对基于大语言模型（LLM）的智能体在二进制漏洞分析中采用的迭代多轮次方法，本文揭示了其如何在数百个推理步骤中组织探索过程。由于上下文窗口限制及令牌级行为的隐式性，该机制此前尚不明确。通过对 521 个二进制文件及近十万步推理轨迹的大规模分析，本研究识别出四种主导的隐式模式：早期剪枝、路径依赖锁定、针对性回溯及知识引导优先化。这些模式构成了 LLM 推理的抽象系统，通过隐式决策调节路径选择与修正，而非依赖显式控制流。研究结果为理解 LLM 驱动的分析系统提供了首个系统性特征描述。