速報
Reforge：以來源追蹤建立可靠的函式層級基準測試管線
大型語言模型在逆向工程的應用持續擴大，但編譯最佳化使二進位與原始碼對齊變得不可靠。研究提出 Reforge 管線，從 C 原始碼經 DWARF 解析到反編譯，建立函式層級真實值，並以八層信心篩選。測試顯示高信心函式比例隨最佳化下降，未考慮此因素會高估模型效能。
速報
大型語言模型在逆向工程的應用持續擴大，但編譯最佳化使二進位與原始碼對齊變得不可靠。研究提出 Reforge 管線，從 C 原始碼經 DWARF 解析到反編譯，建立函式層級真實值，並以八層信心篩選。測試顯示高信心函式比例隨最佳化下降，未考慮此因素會高估模型效能。
Google DeepMind
Google 的 SynthID AI 水印系統被一名開發者聲稱逆向工程。該者利用 200 張 Gemini 產生的純色圖像，透過頻譜分析找出水印訊號並嘗試部分移除。Google 表示此說法不實，稱系統仍具韌性，影響 AI 內容偵測與濫用防護。