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