基于LLM的二进制分析中的隐式模式

二进制漏洞分析正日益由基于LLM的智能体以迭代、多轮的方式执行，模型是其中的核心决策者。然而，由于上下文窗口有限以及隐式的词元级行为，这类系统如何在数百个推理步骤中组织探索仍缺乏理解。我们提出首个大规模的轨迹级研究，表明多轮LLM推理会产生结构化的词元级隐式模式。通过分析521个二进制文件和99,563个推理步骤，我们识别出四种主导模式：从推理轨迹中隐式涌现的早期剪枝、路径依赖锁定、定向回溯以及知识引导优先级。这些词元级隐式模式构成了LLM推理的一种抽象：探索并非通过显式控制流或预定义启发式规则来组织，而是通过调节路径选择、承诺与修正的隐式决策来组织。我们的分析表明，这些模式形成一个稳定、结构化的系统，具有各异的时序角色和可测量的特征。我们的结果首次系统刻画了LLM驱动的二进制分析，并为构建更可靠的分析系统奠定了基础。