Resumo Técnico: DeXposure-Claw

Declaração do Problema

As finanças descentralizadas (DeFi) criam uma exposição de crédito em rede e de rápida movimentação entre protocolos de empréstimo, exchanges descentralizadas, stablecoins e bridges. Crises recentes (ex: Terra/Luna, FTX, SVB/USDC) demonstram que choques podem se propagar através dessas redes mais rapidamente do que supervisores humanos conseguem inspecionar manualmente dados on-chain brutos.

O artigo argumenta que aplicar agentes de Grandes Modelos de Linguagem (LLM) de uso geral diretamente a medições on-chain brutas é inseguro para supervisão de alto risco. Esses agentes tendem a "ler excessivamente" evidências fracas, incompletas ou obsoletas, produzindo justificativas plausíveis que desencadeiam intervenções desnecessárias de alta severidade. Além disso, as avaliações de risco sistêmico existentes frequentemente classificam protocolos por mudanças de exposição fracionária, o que destaca desproporcionalmente protocolos pequenos e de baixa relevância, falhando em alinhar-se com as prioridades dos reguladores em relação à perda absoluta. Há uma carência de frameworks de avaliação que meçam taxas de intervenção falsa contra uma verdade fundamental (ground truth) alinhada ao regulador.

Metodologia: Pipeline DeXposure-Claw

Os autores introduzem o DeXposure-Claw, um sistema de agentes fundamentado em previsões (forecast-grounded) projetado para rotear decisões de LLM através de evidências estruturadas e determinísticas, em vez de dados brutos. O sistema opera em uma cadência semanal e é decomposto em quatro camadas distintas:

1. Camada 1: Previsão (DeXposure-FM)

   • Um modelo de fundação de séries temporais em grafos prevê futuras redes de exposição ($G_{t+h}$) a partir do snapshot semanal atual ($G_t$).
   • Ele gera uma distribuição preditiva, incluindo probabilidades de existência de arestas ($\pi$) e pesos esperados de arestas ($\mu$), construídos em um grafo de peso esperado previsto ($\hat{G}_{t+h}$).
   • Gera amostras de Monte Carlo para quantificar a incerteza preditiva.

2. Camada 2: Monitoramento e Análise de Cenários

   • Monitores Determinísticos: Cinco métricas funcionais (Top-1 PageRank, HHI de concentração, densidade de rede, Gini de PageRank, Gini de Grau) são computadas no grafo previsto. Alertas são disparados quando essas estatísticas se desviam de uma linha de base móvel por mais de um número definido de desvios padrão.
   • Cenários de Estresse: Cinco choques padronizados (falha de protocolo único, falha de cluster de bridge, de-peg de stablecoin, choque de empréstimo setorial, estresse correlacionado dos top-10) são aplicados ao grafo previsto e às amostras de Monte Carlo. O sistema calcula o Valor em Risco Condicional (CVaR) para cada cenário.
   • Saúde dos Dados: Um score escalar ($DH_t$) é computado com base em frescor de dados, ausência de dados (missingness), topologia e verificações de discrepância.
   • Saída: Um pacote de evidências tipadas contendo alertas, atribuição (top-K arestas), estimativas de incerteza, perdas de cenário e scores de saúde de dados.

3. Camada 3: Redação de Tickets (LLM)

   • O LLM recebe apenas o pacote de evidências estruturadas da Camada 2 (não transações brutas).
   • Ele redige uma lista ranqueada de tickets de supervisão, atribuindo um nível de severidade (Monitorar, Investigar, Recomendar-Reduzir, Contingência), um conjunto alvo de protocolos e uma justificativa citando campos de evidência específicos.
   • O LLagem é restrito à redação; ele não possui autoridade de liberação.

4. Camada 4: Portões de Segurança (Safety Gates)

   • Portão de Saúde de Dados: Se $DH_t < 0.7$, o sistema entra em "modo seguro", suprimindo tickets de nível de intervenção (Recomendar-Reduzir, Contingência) e liberando apenas tickets de Monitorar ou Investigar.
   • Portão de Confiança: Se a confiança média dos alertas for inferior a 0.6, os tickets de nível de intervenção são bloqueados.
   • Cada ticket liberado é acompanhado por seu pacote completo de evidências e estados dos portões para fins de auditoria.

Framework de Avaliação: DeXposure-Bench

Os autores desenvolveram o DeXposure-Bench, um harness de avaliação de seis eixos:

• b1_forecast: Qualidade de previsão de grafos temporais.
• b2_warning: Tempo de antecedência de alerta precoce (early-warning lead time).
• b3_calibration: Calibração de incerteza preditiva.
• b4_stress: Fidelidade de cenários de estresse.
• b5_decision: Qualidade do ticket de supervisão (Precisão, Recall, F1, Taxa de Intervenção Falsa).
• b6_robustness: Robustez a dados degradados.

Crucialmente, o eixo de decisão (b5) utiliza uma verdade fundamental de perda absoluta alinhada ao regulador. Em vez de mudanças fracionárias, a verdade fundamental identifica os 5% superiores de protocolos por perda de exposição absoluta ao longo de um horizonte de 4 semanas. Isso permite a medição direta da Taxa de Intervenção Falsa (FIR).

Principais Resultados

Experimentos foram conduzidos em cinco anos de dados semanais de exposição DeFi (2020–2025), com um split de teste congelado de 2025.

• Previsão (RQ1): Embora uma baseline simples de "persistência" (assumindo que o grafo permanece o mesmo) tenha alcançado um MAE de estimativa pontual menor em algumas métricas, ela carecia estruturalmente de sinais de tendência e calibração de incerteza. O DeXposure-FM forneceu sinais de tendência necessários e calibração conformal (cobertura de PI de 0.913 para um alvo de 0.90) que o agente consumiu.
• Fundamentação vs. Dados Brutos (RQ2): Rotear o LLM através de evidências previstas (m6) em vez de snapshots brutos (m2) aumentou o F1 score dos tickets de 0.0184 para 0.0241 (+31%). Esse aumento foi impulsionado pela cobertura: o sistema fundamentado em previsões identificou um conjunto maior de protocolos estressados com precisão comparável.
• Sobre-intervenção: Apesar do ganho de F1, o LLM leu excessivamente o forecaster. A Taxa de Intervenção Falsa (FIR) para o stack completo (m6) foi de 0.448, o que significa que aproximadamente 45% dos tickets de nível de intervenção estavam incorretos. O uso de um modelo mais forte (Opus 4.7) não reduziu significativamente essa taxa (FIR 0.437); de fato, foi ligeiramente superior.
• Portões de Segurança (RQ3): Os portões de segurança (Camada 4) foram o principal mecanismo para controlar o risco. Remover o portão de confiança fez o FIR saltar para 0.429 em dados limpos. Sob dados degradados, o portão de saúde de dados suprimiu falsos alarmes, levando o FIR a 0.000 no modo seguro.
• Eficiência do Modelo: Substituir o modelo de decisão por uma variante mais barata (Claude Sonnet 4.6) melhorou o F1 score (0.0234 para 0.0288) mantendo um FIR similar, sugerindo que a seleção do modelo é uma escolha de eficiência, não de segurança.

Significância e Alegações

O artigo afirma que o DeXposure-Claw demonstra que agentes de LLM não devem raciocinar diretamente sobre dados on-chain brutos em ambientes de alto risco. Sem evidências estruturadas e controles de escalonamento, os agentes intervêm excessivamente.

• Recall Auditável: O sistema é posicionado como uma "opção de recall e explicação auditável" para supervisão com humano no circuito (human-in-the-loop), não como um substituto para sistemas baseados em regras conservadoras.
• Segurança via Portões, Não via Modelos: O estudo conclui que a ação segura de alta severidade provém de portões de saúde de dados e de confiança e da revisão humana, não do próprio modelo de decisão. O papel do LLM é redigir justificativas e expandir a cobertura, mas sua tendência de ler excessivamente as evidências é um modo de falha persistente que deve ser controlado por portões.
• Padrão de Avaliação: O artigo introduz um novo padrão para avaliar agentes financeiros ao utilizar uma verdade fundamental de perda absoluta e medir explicitamente a Taxa de Intervenção Falsa, abordando uma lacuna em benchmarks existentes que frequentemente priorizam a precisão de detecção sobre as prioridades de perda relevantes para o regulador.

Os autores observam limitações, incluindo o foco em domínio único (crédito inter-protocolo em DeFi), a resolução semanal (que pode perder choques sub-horários) e o potencial de os dados de pré-treinamento influenciarem a qualidade das explicações sobre eventos históricos conhecidos. Eles enfatizam que o sistema é uma ferramenta de suporte à decisão, não um agente de risco autônomo.