分散型金融（DeFi）は、監督者にとって急速に変化するネットワーク型の信用リスクをもたらします。汎用の大規模言語モデル（LLM）エージェントはこの設定に適しておらず、弱い証拠を過大評価し、高額な介入を推奨します。また、既存の評価手法では規制当局に沿った形で誤警告を測定できません。この問題に対処するため、研究チームはDeXposure-Clawを提案しました。これは予測に基づくエージェント監督システムであり、LLMの意思決定を構造化された証拠に誘導します。
DeXposure-Clawは3つの主要コンポーネントで構成されます。第1に、DeXposure-FMはグラフ時系列基盤モデルであり、将来のエクスポージャー・ネットワークを予測します。第2に、決定論的モニターとストレスシナリオがこれらの予測を分類されたアラート、帰属信号、シナリオ証拠に変換します。第3に、データ健全性ゲートと信頼度しきい値が、DeXposure-Clawが監査可能な監督チケットを発行する前にエスカレーションを制約し、誤警告を低減します。
さらに、研究チームはDeXposure-Benchという6軸の評価ハーネスを開発しました。その決定軸は、規制に沿った絶対損失の真実値と明示的な誤介入率を用いてチケットをスコアリングします。5年間の週次実データを用いた実験により、システムの有効性が完全に支持されました。コードはGitHubで公開されています。このシステムは、DeFiリスク監督の分野に新たなツールと視点を提供します。