decentralized finance
PulseAugur coverage of decentralized finance — every cluster mentioning decentralized finance across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
Claude Desktop 集成 ERC-8004 以进行链上 AI 代理声誉检查
MCP 工具与 WAIaaS 集成，使 Claude Desktop 代理能够使用 ERC-8004 标准验证其他 AI 代理的声誉。通过允许代理在进行敏感交易或数据共享之前查询链上声誉分数，解决了多代理交互中的信任问题。此集成只需要在 Claude Desktop 中进行简单的配置更新，即可授予代理访问检索代理信息和声誉状态的工具。
-
LLM对于2026年加密货币市场分析至关重要，能够合成非结构化数据
到2026年，大型语言模型（LLM）已成为加密货币市场分析的关键基础设施，超越了实验性用途，提供了关键的见解。这些模型能够处理海量的非结构化数据，包括社交媒体讨论、监管新闻和链上活动，以识别传统量化模型所忽略的情绪转变和风险因素。开发人员正在使用Python和专用API将LLM集成到交易流程中，以生成实时情绪得分、风险评估和可操作的交易信号，通常需要结构化的JSON输出以供自动化系统使用。
-
Werracle AI神谕可在EVM上实现亚毫秒级DeFi决策
研究人员开发了Werracle，这是一种专为以太坊虚拟机（EVM）设计的AI决策神谕，其运行在单个32字节存储槽内。该系统解决了当前链上AI的局限性，例如高昂的气体成本和缓慢的ZK-ML证明时间，这些限制阻碍了对快速去中心化金融漏洞的及时响应。Werracle利用过程式Mandelbrot动力学从紧凑的坐标三元组中获得决策，实现了亚毫秒级执行和低气体成本，使其适用于Uniswap v4中的动态费用调整等实时应用。
-
DeFiFusion框架检测去中心化金融中的价格操纵攻击
研究人员开发了DeFiFusion，一个旨在检测去中心化金融（DeFi）协议中价格操纵攻击的新框架。该系统独特地结合了交易事件数据和智能合约逻辑来识别恶意活动。通过分析交易行为与合约语义之间的交互，DeFiFusion旨在克服以往仅忽略合约逻辑或未能考虑实时交易数据的方法的局限性。
-
新的TxSum框架增强了以太坊交易的理解能力
研究人员开发了TxSum，一个旨在提高Web3用户对以太坊交易理解能力的新框架。通过访谈，他们确定了需要结构化、风险意识强的解释，并以代币流为基础。TxSum包含一个复杂交易数据集和一个多代理系统MATEX，该系统检索外部知识并审计解释的事实一致性。该系统显著提高了用户的理解能力和识别恶意交易的能力。
-
到2026年，LLM将成为加密货币市场分析的关键，驱动Alpha信号
到2026年，大型语言模型（LLM）已成为加密货币市场分析的必备工具，超越了实验性使用阶段，成为交易基础设施的核心组成部分。LLM能够整合社交情绪、链上指标和监管新闻等非结构化数据，提供传统量化模型所缺乏的情境优势。实际应用包括使用Python脚本查询LLM API，通常侧重于结构化JSON输出以集成到自动化交易系统中。高级策略包括使用本地LLM以保护隐私、多模态输入以及链式思考提示以进行细致分析。
-
新框架发现区块链数据中的持久行为模式
研究人员开发了一个新的框架，用于分析区块链活动以识别持久的行为模式，这有助于法证调查。该系统从交易中构建“行为句子”，并使用嵌入来捕捉个体行为者和用户随时间的行为。在以太坊数据上的评估表明，该框架能够揭示日常活动（如DEX交易和NFT使用）以及恶意行为（如网络钓鱼、机器人操作和Rug-pull计划）。识别出的模式在不同的观察期内保持稳定，从而能够检测长期行为。
-
ZAPs 框架增强 DeFi 奖励系统以对抗机器人
研究人员开发了 ZAPs，一个旨在改进去中心化金融 (DeFi) 生态系统奖励归属的新框架。ZAPs 结合了经济贡献评分和对抗鲁棒性，旨在打击机器人和女巫操作。该框架利用复合活动评分和两层加权机制来限制巨鲸的主导地位并降低小协议的套利盈利能力。ZAPs 还包含一个四层防御堆栈，其中包括一个异常集成，在标记的恶意钱包上达到了 0.923 ROC-AUC，从而显著减少了女巫分配并增加了高质量钱包在实际活动中的参与度。
-
AI代理现已能通过x402协议购买实时DeFi数据
一个新的Python示例展示了AI代理如何使用x402协议购买实时Solana去中心化金融（DeFi）数据。此方法绕过了API支付中的人工干预需求，允许代理在Base主网上直接使用USD Coin (USDC) 结算交易。该系统利用官方Coinbase x402 Python SDK和AgentShare DeFi Intelligence API，定价会根据市场状况动态调整。
-
新模型DVM-HALL和NHAS评分探讨AI对客户忠诚度的影响
一篇新研究论文介绍了动态可验证多智能体人机忠诚度循环（DVM-HALL）模型和净人机评分（NHAS），以探讨Agentic人工智能如何影响传统客户忠诚度。DVM-HALL模型基于人类情感权益、机器效用、信任、权威和可验证执行来形式化品牌选择，特别是在去中心化金融环境中。NHAS指标被提议为一个可审计的、风险加权的评分，用于衡量人机对齐，利用各种反馈和执行数据。
-
链上消费金融应用通过稳定币提供全球支付通道
链上消费金融应用正作为新的全球支付基础设施崭露头角，利用稳定币提供互联网原生的金融通道。这些应用通常被称为“加密新银行”，提供储蓄、消费和汇款等熟悉的金融服务，但效率更高且全球可及性更强。这些平台的增长得益于稳定币日益增长的采用率——去年其处理的交易量远超Visa和Mastercard等传统支付巨头——并且得到了美国GENIUS法案等监管清晰化的进一步支持。
-
稳定币交易额达1.79万亿美元创纪录，监管机构警告金融领域AI风险
稳定币交易额在6月达到创纪录的1.79万亿美元，表明市场日趋成熟，以及对加密资产作为支付工具的信任度日益增强。与此同时，各国央行正日益关注AI代理在金融领域带来的风险，并警告称自主决策算法可能带来新的系统性威胁，需要新的监管框架。虽然稳定币在交易和汇款中的使用日益广泛，但监管机构对金融领域AI的警告呼应了此前关于DeFi的讨论，暗示忽视监管信号可能导致未来更严格的限制。
-
Lazy-mac.com推出面向DeFi和NFT项目的智能合约扫描器API
Lazy-mac.com发布了智能合约扫描器API，旨在为去中心化金融（DeFi）和非同质化代币（NFT）项目集成安全扫描功能。该API可通过单个REST API调用轻松集成到项目中，并提供了Python和JavaScript的示例。通过MCP服务器配置，它还兼容Claude、Cursor和Windsurf等AI编码工具。
-
DeXposure-FM：用于 DeFi 信用敞口的新型图基础模型
研究人员推出 DeXposure-FM，这是一种新颖的时间序列图基础模型，旨在量化和预测去中心化金融 (DeFi) 网络中的信用敞口。该模型旨在解决 DeFi 互联代币系统中固有的传染风险，这些风险可能导致金融冲击的失控传播。DeXposure-FM 使用图-表格编码器，并在包含数千个协议和区块链的超过 4370 万条记录的大型数据集上进行了训练。与现有的图基础模型和时间图神经网络相比，该模型在机器学习基准测试中表现出卓越的性能，并为…
-
AlphaVibe 使用 AI 实时分析 DeFi 钱包数据
AlphaVibe 是一款新推出的由 AI 驱动的工具，可实时分析去中心化金融 (DeFi) 钱包数据。通过连接至 DeBank，它可以监控钱包活动和投资仓位在区块链上更新时的状态。
-
银行推出代币化存款以应对稳定币威胁
银行正在探索代币化存款，以此来与稳定币竞争，并防止被去中心化金融领域“去中介化”。稳定币由100%的储备支持，效率很高，但会削弱银行的信贷创造能力。然而，代币化存款将负债保留在受监管的银行体系内，使银行能够在维持信贷提供作用的同时，提供可编程支付和原子结算。花旗代币服务（Citi Token Services）被重点提及，作为一个为企业客户提供这些能力的平台。
-
Polymarket 的“幽灵填充”漏洞被利用，获利 149 万美元
一篇新论文详细介绍了一个名为“幽灵填充”（Ghost Fills）的 Polymarket 漏洞，Polymarket 是一个知名的预测市场平台。该问题源于平台的混合架构，其中链下匹配的订单在链上结算时可能会失败。研究人员确定了四种攻击向量，包括 nonce 提升和余额耗尽，攻击者利用这些向量使已匹配的订单无效，从而获得了至少 149 万美元的利润，并将 17.8 亿美元置于风险之中。该漏洞的影响超出了 Polymarket，在持有大…
-
新API简化了开发人员的智能合约安全检查
新的智能合约扫描器API现已推出，旨在简化DeFi、NFT和DAO项目的安全检查。该API由lazy-mac.com提供，只需一次REST API调用即可集成，并通过MCP配置兼容Claude、Cursor和Windsurf等AI编码工具。与构建自己的智能合约扫描功能相比，该服务旨在为开发人员节省时间。
-
后量子DeFi框架提升金融普惠性
一篇新的研究论文提出了一个后量子安全的联邦DeFi框架，以增强服务不足人群的金融普惠性。该系统使用基于格的全同态加密（FHE），允许多家银行在加密数据上进行协作。它整合了来自NASA-IBM Prithvi Geospatial Foundation Model (GFM) 的证据评估，以做出贷款决策，并利用去中心化技术确保数据完整性和问责制。
-
Anthropic AI 编写 80% 的代码，加速创新
Anthropic 强调了 AI 递归自改进的日益增长的趋势，即模型可以自主设计、编写和训练其后继者。内部数据显示，AI 目前为 Anthropic 的最新模型生成约 80% 的代码，将创新周期从数月大幅缩短至数天。预计这一转变将对 Web3 和 DeFi 等去中心化技术产生深远影响，催生自修订的智能合约以及需要更强大区块链基础设施的大量机器对机器交易。