二进制逆向工程是软件理解、漏洞发现、恶意软件分析和固件审计的基础，但由于编译过程中语义信息的不可逆丢失，该任务具有本质上的挑战性。近年来，机器学习、大型语言模型（LLM）和智能体AI系统的进展加速了AI增强二进制逆向的采用，但相关研究工作在不同逆向领域、工件表示、学习方法和评估实践上日益碎片化。本文首次对AI增强二进制逆向进行了系统化的知识梳理（SoK）。作者分析了2015年以来发表的144篇研究论文，根据推理任务将其划分为22个二进制逆向领域（如函数识别、类型恢复、控制流重构等）。进一步地，他们提出了一个统一的分类法，涵盖传统逆向流水线和AI增强逆向流水线，将传统分析技术、二进制派生工件、表示策略、学习范式和下游推理任务联系起来，并明确了LLM和智能体AI系统的新兴角色。通过建立通用词汇和结构化框架，该工作提供了过去十年该领域演变的整体视图。研究揭示了看似不同方法背后的共同结构，指出了持续存在的技术挑战和评估缺口，并识别了未来研究的有希望方向。这些见解有助于厘清当前领域状态，为下一代可靠且可扩展的AI增强二进制逆向系统奠定基础。适合安全逆向工程师、AI4Security研究人员以及二进制分析工具开发者阅读。