DeXposure-Claw：一种用于DeFi风险监督的代理系统
DeXposure-Claw是一个基于预测的代理监督系统，旨在解决通用LLM代理在去中心化金融风险监督中的不足。它通过图形时间序列基础模型预测风险网络，结合确定性监控和压力情景生成警报，并利用数据健康和置信度门控减少误报。此外，还开发了DeXposure-Bench评估套件，通过六轴评估（包括决策轴）衡量系统性能。实验基于五年周度真实数据，验证了系统的有效性。
去中心化金融（DeFi）的快速发展给监管者带来了前所未有的挑战，尤其是面对快速变化、高度网络化的信用风险。通用的大型语言模型（LLM）代理在这种场景下表现不佳：它们容易过度解读弱证据，并建议高风险干预措施，而现有的评估方法缺乏从监管角度衡量误报的标准。针对这一问题，研究人员提出了DeXposure-Claw，一个基于预测的代理监督系统，旨在将LLM决策引导至结构化证据框架中，从而提升DeFi风险监督的准确性和可靠性。
DeXposure-Claw的核心由三部分组成。首先，DeXposure-FM，一个图形时间序列基础模型，用于预测未来的风险暴露网络。该模型能够捕捉DeFi中复杂的关联关系，为后续分析提供基础。其次，确定性监控器和压力情景模块将这些预测转化为分类警报、归因信号和情景证据，使得风险信号更加具体和可操作。最后，数据健康和置信度门控机制在系统发出可审计的监管工单之前对信息进行约束，确保只有高质量、高置信度的警报才会被升级，从而降低误报率。
为了评估系统性能，研究团队还开发了DeXposure-Bench，一个六轴评估框架。其中，决策轴是关键，它通过监管对齐的绝对损失真实值和明确的虚假干预率来评分监管工单，这使得评估结果更符合实际监管需求。实验使用了五年间的周度真实数据，结果充分支持了DeXposure-Claw的有效性。该系统的代码已在GitHub上开源，为DeFi风险监督领域提供了新的工具和思路。