English(EN) SolBehave: Evaluating the Behavioural Correctness of LLM-Generated Smart Contracts

新的基准SolBehave测试LLM生成的智能合约的正确性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-15 04:00

研究人员推出SolBehave，这是一个旨在评估大型语言模型生成的智能合约行为正确性的新基准。目前的评估主要集中在代码是否能编译，但鉴于以太坊等平台上的已部署智能合约无法修补，这还不够。SolBehave采用三种方法：差分模糊测试、历史交易重放和新颖的DCR图引导的合成交易重放，以测试生成合约的功能等价性和预期用途。研究发现，虽然七个评估过的开源模型在编译率上差异很大，但只有一小部分编译后的合约与其原始合约在功能上等价，其中Gemma-4-31B表现最佳。 AI

影响为评估LLM生成的智能合约建立了新标准，突显了编译与真实行为正确性之间的差距。

排序理由该集群包含一篇学术论文，介绍了一个用于评估LLM生成代码的新基准。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 14 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇学术论文，介绍了一个用于评估LLM生成代码的新基准。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Giovanni Pio Delvecchio, Stefano Fantazzini, Giacomo Frisoni, Gianluca Moro, Lorenzo Bacchiani, Mario Bravetti, Thomas Troels Hildebrandt · 2026-10-15 04:00

SolBehave：评估 LLM 生成的智能合约的行为正确性

arXiv:2610.18745v1 Announce Type: cross Abstract: Large language models increasingly generate Solidity smart contracts that, once deployed, can never be patched, making a single latent fault permanent and exploitable. Yet current evaluations mostly ask only whether generated code…

本文如何被排名

报道来源 [1]

SolBehave：评估 LLM 生成的智能合约的行为正确性

相关实体

相关话题