Solidity
PulseAugur coverage of Solidity — every cluster mentioning Solidity across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Solidity 编译器缺陷历时三年模糊测试工作揭露
研究人员在 Solidity 编译器中发现了 25 个错误编译错误，该编译器对于开发以太坊智能合约至关重要。这些漏洞是研究人员使用他们开发的专用模糊测试工具在三年时间里发现的。这些发现突显了智能合约开发中潜在的风险以及稳健的编译器测试的重要性。
-
开源 AI 工具 Fizz 自动化 Solidity 智能合约安全
一款名为 Fizz 的开源 AI 工具已为 Solidity 开发者推出，旨在自动化智能合约安全。Fizz 可通过单个提示覆盖高达 80% 的基于状态的模糊测试。它还协助进行仓库分析、不变量生成、测试执行和覆盖率报告创建，为智能合约安全提供实用价值。
-
AI 编码代理在智能合约验证方面超越人工审计员
像 Cursor、Claude Code 和 Codex 这样的 AI 编码代理现在生成 Solidity 代码的速度比人工审计员验证它的速度还要快。2026 年的这种转变在验证过程中造成了瓶颈，导致审计公司增加招聘以跟上步伐。挑战不再是代码生成，而是确保 AI 生成代码的安全性和正确性。
-
AI平台结合深度伪造检测与区块链证据
研究人员开发了一个名为DeepFake Forensics AI的新平台，旨在应对法律和法证领域中日益增长的合成媒体威胁。该系统集成了针对图像、视频和音频的多模态检测能力，以及一个用于识别所用特定生成式AI架构的新模块。至关重要的是，它将法证证据牢固地锚定在以太坊区块链上，确保了防篡改的保管链管理。
-
新的 SCDBench 基准测试揭示 LLM 在智能合约反编译方面存在困难
引入了一个名为 SCDBench 的新基准测试，用于评估用于智能合约反编译的大型语言模型 (LLM)。该基准测试包含一个包含 600 个真实 Solidity 合约的数据集，并配有字节码、真实源代码和语义检查点。当前的尖端 LLM，如 Claude Opus 4.7 和 GPT-5.3-Codex，在生成结构化和可编译代码方面显示出潜力，但在语义一致性方面存在困难，最好的模型也只能完美反编译 42 个合约。研究还发现，纳入编译修复可以…
-
Replit 推出 Solidity 和 Rust 模板，简化开发
Replit 推出了新的 Solidity 和 Rust 开发模板，旨在降低这些编程语言的入门门槛。Solidity 模板旨在简化以太坊区块链上智能合约的创建和部署，为 Web3 开发提供协作环境。Rust 模板提供了一个即用型、浏览器内 IDE，可处理设置的复杂性，让开发人员能够专注于学习和编码。