Smart Contracts
PulseAugur coverage of Smart Contracts — every cluster mentioning Smart Contracts across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
区块链协调的联邦学习市场显示出摊销成本
一篇新论文分析了区块链上由智能合约协调的联邦学习市场的生命周期成本。研究发现，虽然链上操作可能成本高昂，但固定部署费用会在市场的生命周期内摊销。研究表明，集成智能合约和IPFS进行协调和存储，可以保持与传统联邦学习设置相当的模型性能。
-
人工智能与加密货币的融合：探索去中心化计算和人工智能代理
人工智能与加密货币的融合正在创造新的可能性，特别是在去中心化计算和人工智能代理等领域。这些技术正在探索在数据市场、模型访问、智能合约、数字所有权和增强安全性方面的应用。此次整合旨在利用区块链的能力来满足人工智能对数据和处理日益增长的需求。
-
新框架增强数字孪生中人工智能代理的可验证性
研究人员引入了一个新颖的神经符号去中心化治理框架，旨在增强数字孪生生态系统中人工智能代理的可验证性。该框架集成了概率神经推理和确定性制度治理，利用多层语义配置文件和形式化领域本体来确保代理遵守策略并维持值得信赖的人机协作。通过基于区块链的智能合约验证组织机构颁发的凭证，从而实现可审计的参与，而不会泄露敏感数据。一个原型演示了该系统在防止未经授权的交互和跨诊所、数字孪生和可穿戴设备提供商代理执行策略方面的有效性。
-
轻量级LLM框架增强智能合约安全审计
研究人员开发了一个使用轻量级大型语言模型（LLM）审计智能合约的新框架。该系统将审计过程解耦为四个阶段：检测、解释、严重性分类和修复。通过采用知识蒸馏和自定义聚合策略等技术，该框架在漏洞检测和生成解释任务中实现了高精度，性能优于更大的开源模型。
-
大语言模型框架通过定制化提示词增强智能合约安全性
研究人员开发了一个新的框架，利用大语言模型（LLMs）来检测智能合约中的漏洞。该方法采用特定漏洞的提示词和上下文提取，为各种安全缺陷创建定制化检测器。该框架在包含超过31,000个已标注漏洞实例的数据集上进行了测试，在识别潜在问题方面表现出高效率。