論文の概要: ATLAS: A Multi-Agent Framework for Lifting Binary to Canonical Compiler IR

• arxiv url: http://arxiv.org/abs/2610.30877v1
• Date: Thu, 22 Oct 2026 07:56:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.274928
• Title: ATLAS: A Multi-Agent Framework for Lifting Binary to Canonical Compiler IR
• Title（参考訳）: ATLAS: バイナリをCanonical Compiler IRにリフティングするためのマルチエージェントフレームワーク
• Abstract要約: ATLASは最適化された分解からLLVM中間表現を再構築する。 ATLASは、ARM、x86-64、RISC-Vバイナリ間で91.8%の再実行性と89.4%のCFG類似性を達成している。
• 参考スコア（独自算出の注目度）: 17.784436726673125
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Lifting stripped, heavily optimized binaries to a canonical, pre-optimization LLVM intermediate representation (IR) is essential for downstream security analysis and legacy software migration when source code is unavailable. However, aggressive compiler optimizations rewrite control and data flow, remove structural metadata, and introduce type-erased low-level idioms, causing current lifters to produce malformed or semantically divergent IR. We present ATLAS, a multi-agent framework designed to reconstruct formally valid and canonical LLVM IR from optimized disassembly.ATLAS combines (i) Structure-aware, region-level retrieval, which utilizes pseudo-probe attribution to align optimized instructions with canonical IR exemplars, and (ii) a collaborative refinement loop that closes the gap between probabilistic generation and deterministic compiler constraints. Concretely, a Lift agent generates an initial IR draft conditioned on retrieved exemplars, an Advisor agent interprets LLVM verifier/compilation diagnostics and static checks to propose localized repair actions, and a Validation agent applies the edits, re-runs toolchain verification and (when available) runtime checks, and feeds the resulting diagnostics back to the Advisor. The agents iterate until the IR is verifier-clean and behaviorally consistent, or a budget limit is reached. On HumanEval-Decompile and MBPP, ATLAS outperforms seven baselines on lifting LLVM IR, achieving 91.8% re-executability and 89.4% CFG similarity across ARM, x86-64, and RISC-V binaries. Moreover, our evaluation demonstrates that ATLAS also outperforms the Binary to C to IR pipelines in pointer-flow precision and downstream analyzability. By recovering a well-formed, machine-centric representation, ATLAS enables practical cross-ISA recompilation and verifiable binary-only migration workflows.
• Abstract（参考訳）: ソースコードが利用できない場合、ダウンストリームのセキュリティ分析とレガシーソフトウェアマイグレーションには、厳格で最適化されたバイナリを標準のLLVM中間表現(IR)にリフティングすることが不可欠である。 しかし、アグレッシブコンパイラは、書き換え制御とデータフローを最適化し、構造メタデータを削除し、型消去された低レベルイディオムを導入し、現在のリフタは不正あるいはセマンティックに異なるIRを生成する。 我々は、最適化された逆アセンブリから正規のLLVM IRと正規のLLVM IRを再構成する多エージェントフレームワークATLASを提案する。 一 擬似プローブ属性を用いて、最適化された命令を標準赤外指数と整合させる構造対応地域検索 (II)確率的生成と決定論的コンパイラの制約の間のギャップを埋める協調洗練されたループ。 具体的には、リフトエージェントは、検索した例に条件付けされた初期IRドラフトを生成し、アドバイザは、LLVM検証/コンパイル診断と静的チェックを解釈して、局所的な修理アクションを提案し、バリデーションエージェントは、編集を適用し、ツールチェーン検証と(利用可能な)ランタイムチェックを再実行し、その結果の診断結果をアドバイザにフィードバックする。 エージェントは、IRが検証クリーンで行動一貫性があるか、予算制限に達するまで反復する。 HumanEval-DecompileとMBPPでは、ATLASはLLVM IRのリフトにおいて7つのベースラインを上回り、91.8%の再実行性と89.4%のCFG類似性をARM、x86-64、RISC-Vバイナリで達成した。 さらに、ATLASは、ポインタフロー精度と下流解析性において、Binary to C to IRパイプラインよりも優れていることを示す。 整形されたマシン中心の表現を復元することにより、ATLASは実用的なクロスISA再コンパイルと検証可能なバイナリのみのマイグレーションワークフローを可能にする。

関連論文リスト

• Verified Learning for Compiler Optimization: An LLM-Guided Architecture with Formal Control [1.3682073278404534]
  検証中心のシステムアーキテクチャを用いて,大規模言語モデルがコンパイラ最適化に参加することができるかどうかを検討する。 Wyvernが生成した変換にコード中心のLLMを微調整し、Alive2をフィードバックループに埋め込んで、生成されたリライト毎にセマンティックな保存を強制します。 ほとんどのベンチマークではWyvernは高速だが、9.8%は学習システムの下で同等あるいは改善されたランタイムを実現しており、意味的な違反は観測されていない。
  論文  参考訳（メタデータ） (2026-09-23T01:22:34Z)
• IR2Solve: Structured Intermediate Representations for Cost-Efficient Optimization Autoformulation [15.520617657780578]
  大規模言語モデル(LLM)は、自然言語の最適化問題をソルバ対応の定式化に変換することができるが、直接コード生成は脆弱である。 本稿では、スキーマ制約付きモデルIRを生成するために単一のセマンティックコールを使用する、中間表現優先のオートフォーミュレーションパイプラインIR2を提案する。 具体的なスカラー制約は、有限個のインデックス単位の制約族を個々のエントリとして表現し、自由インデックスと暗黙の量子化エラーを減らす。
  論文  参考訳（メタデータ） (2026-07-31T13:36:26Z)
• Portable models as a replacement for industrial heuristics in compiler optimizations [0.0]
  本稿では,コンパクトコンパイラ,ソース・ソース・ツール,インタプリタにおける関数インライン化決定の予測の可能性について検討する。 この作業の関連性は、成熟したインライン化最適化を限られたコンパイラ基盤を持つシステムに転送する必要性によって決定される。
  論文  参考訳（メタデータ） (2026-07-19T19:43:14Z)
• AgentCompass: A Unified Evaluation Infrastructure for Agent Capabilities [55.23913617185508]
  Agentは、LLM(Large Language Models)ベースのエージェントを評価するための、オープンソース、軽量、インフラストラクチャである。 Benchmark、Harness、Environmentという3つの独立したコンポーネントに関する評価プロセスを編成する。 フォールトトレラントなランタイムと、報酬ハックのような障害モードを透過的に診断する包括的なトラジェクトリ分析ツールを備えている。
  論文  参考訳（メタデータ） (2026-07-15T11:11:17Z)
• LLM Translation of Compiler Intermediate Representation [2.614444430580024]
  本稿では,GIMPLE を LLVM IR に変換するための変換器モデル IRIS-14B を提案する。 我々の知る限りでは、IRIS-14BはIR-to-IR翻訳のために明示的に訓練された最初のモデルである。 現在入手可能な最先端のオープンモデルを含む、広く使われているモデルの精度は、13～1000億のパラメータから44ポイントまで向上している。
  論文  参考訳（メタデータ） (2026-05-07T13:22:23Z)
• Dynamic analysis enhances issue resolution [53.50448142467294]
  DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。 テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。 Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
  論文  参考訳（メタデータ） (2026-03-23T14:48:54Z)
• Prism: Efficient Test-Time Scaling via Hierarchical Search and Self-Verification for Discrete Diffusion Language Models [96.0074341403456]
  LLM推論を改善するための実用的な方法として、推論時計算が再導入されている。 テスト時間スケーリング(TTS)アルゴリズムの多くは、自動回帰デコーディングに依存している。 そこで我々は,dLLM のための効率的な TTS フレームワーク Prism を提案する。
  論文  参考訳（メタデータ） (2026-02-02T09:14:51Z)
• InspectCoder: Dynamic Analysis-Enabled Self Repair through interactive LLM-Debugger Collaboration [71.18377595277018]
  大きな言語モデル(LLM)は、診断が難しい複雑なロジックエラーを伴うバグの多いコードを生成することが多い。 対話型デバッガ制御による動的解析を LLM に委ねる初のエージェントプログラム修復システムである InspectCoder を提案する。
  論文  参考訳（メタデータ） (2025-10-21T06:26:29Z)
• Retrofitting Control Flow Graphs in LLVM IR for Auto Vectorization [0.14323566945483493]
  本稿では,高次構造情報をエンコードするSIRと,データ依存解析による依存性を明示的に表現するVIRという,2つの特殊なIR拡張を備えたベクトル化パイプラインを提案する。 提案するベクトル化パイプラインは,LLVMとGCCと比較して最大53%,58%の高速化を実現している。
  論文  参考訳（メタデータ） (2025-10-06T15:11:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。