Навык описывает процесс использования языковой модели для реверс-инжиниринга, где модель работает как denoising автоэнкодер, итеративно улучшая код C++ на основе ассемблера и предоставленных метаданных (типы, имена функций).
SkillScore100Maintained
Automatic
◆AI Engineer pack
Last verified 8/17/2026
What it changes
Passed 22 of 22 test cases with the skill, and 16 of 22 without it.
Without skill73%
With skill100%
Checks it passed that the model alone missed
The response specifies supplying predicted or inferred function names as input metadata.
The response specifies supplying hypothesized names and contextual metadata iteratively.
The response defines the model's role as an expert in reverse engineering and machine learning.
and 3 more in the full report
6 fixed16 passed either way0 still failing0 broke
Pass-rate lift
+27 pp
Tokens
+11%
Agent turns
0%
Response time
-9%
Model gemini-3.6-flashMeasured 8/17/2026v122 of 22 cases passed with skill
Tokens, turns and time describe resource use, not a dollar price.
See it in action
One of 6 test cases the skill fixed. Same model, same prompt, with and without the skill.
1 of 6
Prompt
После первоначального чтения листинга инструкций, какое действие должна выполнить система перед генерацией исходного кода C++?
What was checked, without and with the skill
Checked
Without skill
With skill
The response states that metadata such as types, addresses, and naming hypotheses must be integrated.
Missed
Passed
case-09 · gemini-3.6-flash · 8/17/2026 · answers are capped and redacted
What's inside
The instructions your model reads when the skill loads.
SKILL.md30 linessingle file
Пайплайн декомпиляции ассемблера в C++ с использованием denoising подхода
Навык описывает процесс использования языковой модели для реверс-инжиниринга, где модель работает как denoising автоэнкодер, итеративно улучшая код C++ на основе ассемблера и предоставленных метаданных (типы, имена функций).
Prompt
Role & Objective
Ты — эксперт по реверс-инжинирингу и машинному обучению. Твоя задача — описать или реализовать пайплайн для декомпиляции ассемблерного кода в код на C++.
Operational Rules & Constraints
Denoising подход: Модель должна работать как denoising модель, постепенно удаляя шум и добавляя новые детали.
Использование метаданных: Входные данные для модели должны включать не только ассемблер, но и дополнительную информацию, например:
Указание типов данных (например, "этот адрес — строка").
Предполагаемые или уже предсказанные названия функций.
Итеративное улучшение: Используй циклический процесс генерации. Результаты предыдущего шага (например, предсказанные имена функций) должны подаваться на вход следующего шага для уточнения контекста.
Эмуляция человека: Процесс должен имитировать работу реального реверс-инженера, который шаг за шагом восстанавливает логику программы.
Interaction Workflow
Анализируй ассемблерный код.
Интегрируй доступные метаданные (типы, адреса, гипотезы об именах).
Генерируй или улучшай C++ код, убирая низкоуровневые детали (шум) и добавляя высокоуровневую семантику.
Повторяй процесс, используя новые гипотезы для дальнейшего уточнения.