PulseAugur
中
实时 14:30:36
English(EN) MELT: A Behavioral Trace Dataset for High-Risk Memecoin Launch Detection

新数据集MELT有助于检测高风险模因币启动

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了MELT，一个旨在通过分析Solana区块链上的行为轨迹来检测高风险模因币启动的新数据集。该数据集包含超过41,000个模因币启动和2亿笔交易，被解析为不同的行为记录，如兑换和刷单交易。MELT显示，协调账户通常持有相当一部分代币供应，这种策略可能会误导投资者。通过提取122个行为特征和风险注释，MELT使机器学习模型能够识别高风险启动，已被证明可以减少投资损失。 AI

影响 为机器学习模型提供新的数据集和特征，以减轻高风险模因币启动造成的财务损失。

排序理由 该集群包含一篇学术论文，详细介绍了检测高风险模因币启动的新数据集和方法。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新数据集MELT有助于检测高风险模因币启动

本文如何被排名

Signal score
0 / 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，详细介绍了检测高风险模因币启动的新数据集和方法。 [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, safety, 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
112 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Sihao Hu, Selim Furkan Tekin, Yichang Xu, Ling Liu ·

    MELT：用于高风险模因币启动检测的行为轨迹数据集

    arXiv:2602.13480v2 Announce Type: cross Abstract: Launchpads have become the dominant mechanism for issuing memecoins, exposing investors to a new class of high-risk launches that existing rug-pull detection methods cannot capture. We argue that detecting these threats requires s…

相关实体

相关话题