DeXposure-Claw: An Agentic System for DeFi Risk Supervision
本文介绍了 DeXposure-Claw，这是一个将图时间序列基础模型与确定性监控器和置信度门控相结合的智能体系统，旨在生成可审计且符合监管要求的 DeFi 风险监督工单，同时通过 DeXposure-Bench 评估框架最大限度地减少误报。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，将**去中心化金融（DeFi）**的世界看作一座巨大的、混乱的城市，成千上万不同的银行、交易所和贷款应用都在彼此之间进行借贷。在这座城市里，如果一家小商店破产，可能会引发多米诺骨牌效应，导致整个街区倒塌。
问题在于，“城市检查员”（监管机构）试图仅凭一对望远镜和一个笔记本来观察这座城市。等到他们发现问题时，往往为时已晚。
于是，DeXposure-Claw 应运而生——这是一个旨在帮助这些检查员的全新“超级助手”。以下是它的工作原理，分为几个简单的部分：
1. 问题所在：“过度自信的实习生”
研究人员首先尝试了一个简单的想法：“让我们直接问一个聪明的 AI（大语言模型），让它观察城市的每日交易并告诉我们哪里出了问题。”
他们发现这非常危险。这个 AI 表现得像个过度热情的实习生。它会盯着一个微小的、模糊的线索（比如一笔奇怪的交易），然后自信满满地宣布：“这是一场灾难！我们需要关掉整家银行！”它基于微弱的证据做出了宏大且可怕的建议，引发了不必要的恐慌。
2. 解决方案：“带着水晶球的侦探”
研究人员并没有让 AI 根据原始数据进行猜测，而是构建了一个由四个步骤组成的流水线。你可以把它想象成一个高科技侦探机构：
第一步：水晶球（预测器）
在 AI 发言之前，一个专门的计算机模型（称为 DeXposure-FM）会观察城市的历史记录，并预测网络在未来（1、4、8 或 12 周后）的景象。它不仅仅是在猜测，而是在计算概率。这就像是天气预报，只不过预报的是金融风险。第二步：证据板（监控器）
系统会将那个未来的预测结果通过一系列严格的数学测试进行处理。它会自问：“如果天气预报说有一场风暴即将来临，那会造成多少破坏？”它会模拟灾难（例如桥梁坍塌或稳定币贬值），并创建一个包含特定警报、数字和置信度评分的结构化“证据板”。第三步：侦探（LLM）
现在，AI（大语言模型）可以发言了。但关键在于：它只能观察“证据板”。 它不能直接查看原始的、杂乱的数据。它看到的是“水晶球”的预测和压力测试的结果。随后，它会撰写一份“监管工单”——一份报告，上面写着：“我建议调查协议 X，因为如果桥梁失效，水晶球预测将导致 20% 的损失。”第四步：安全守门员
在工单发送给人类检查员之前，有两个“守门员”会对它进行检查：
- 数据健康守门员：“我们观察到的数据新鲜且干净吗？”如果数据陈旧或损坏，系统会进入“安全模式”并拒绝做出可怕的建议。
- 置信度守门员：“我们足够确定吗？”如果预测本身很不可靠，系统就不会建议采取高风险行动。
3. 结果：更好的覆盖率，而非完美的安全性
研究人员使用五年的真实数据对该系统进行了测试。以下是他们的发现：
- 它比瞎猜更有效： 通过强制要求 AI 先观察“水晶球”的预测，该系统发现的实际风险比旧方法多出 3 倍。它不再漏掉那些大问题。
- 它仍不完美： 即便有了水晶球，AI 仍然会犯错。大约有 37% 到 44% 的情况下，它会建议采取一项本不需要的高风险行动（即“虚假警报”）。
- 教训： AI 擅长发现潜在的问题并解释它们为什么可能发生，但它本身还不足以安全地独立做出最终决定。因此，“安全门”和人工审核仍然至关重要。
核心总结
DeXposure-Claw 就像是给人类检查员提供了一台超级望远镜和一份天气预报，而不是仅仅给他们一对望远镜。它帮助人们更早地发现风险，并更好地解释原因。然而，研究人员明确表示：AI 是助手，而不是老板。 它提供证据和报告草案，但最终必须由人类来决定是否采取任何严肃行动。
该系统设计为可审计，这意味着每一项建议都附带一份完整的“收据”，展示了哪些数字和预测导致了该决策，以便人类始终可以复核其工作。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。