比特币、以太坊、稳定币、DeFi、智能合约、扩容与共识。
说明特征-上下文一致性：基于属性图、具备漂移稳定性的无监督对抗检测
简介本文针对持续演化的属性图上的对抗检测问题，提出以节点属性与邻域聚合属性之间的一致性作为结构信号，并在受限玻尔兹曼机框架中定义上下文提升（CB）分数（CB-RBM）。作者给出了关于正常与对抗节点CB期望分离及在自然漂移下分布移动的理论保证。在以太坊钓鱼和Reddit封禁用户数据集上，该方法在零标签条件下取得AUROC不低于0.96的结果，并在漂移下保持接近5%的误报率。
说明源自 Tsallis 最大熵的非对称 q-高斯分布
简介本文在非广延统计力学框架下，提出一种非对称的 q-高斯分布。标准 q-高斯分布天然对称，难以刻画经验数据中常见的非对称波动。作者保留 Tsallis 熵，并同时约束全局加权均值与上行、下行两种加权半方差，将问题转化为凹泛函的最大化。蒙特卡洛模拟与股指、商品及加密货币收益率的样本内拟合结果显示，该非对称模型在尾部的拟合优于对称 q-高斯。
说明机械定价下的需求：以太坊数据可用性市场中的弹性与福利
简介以太坊通过由控制器按累计用量自动调整价格的“blob”向 rollup 出售数据可用性容量，而非通过拍卖定价。论文利用 2025 年 5 月 7 日 Pectra 升级使 blob 容量翻倍的事件，估计需求弹性，结果显示需求相当缺乏弹性，价格机制主要起转移支付作用。论文还估算了 2025 年 12 月引入的保留价在容量充裕时造成的无谓损失上限为 2.6 ETH。
看点利用计划内升级的准实验识别以太坊blob价格弹性，并给出福利核算，方法新颖，证据较扎实，对协议设计有实际影响。
说明CryptoFlowBench：面向加密货币资金追踪的区块链多跳推理基准
简介该论文提出 CryptoFlowBench，一个基于权威加密货币违法事件报告构建的基准，包含从局部到多跳的四项资金追踪任务。作者还提出 ChainSleuth，一种借助图工具、迭代推理并更新追踪路径的智能体。实验显示，没有基线方法在四项任务上都占优，ChainSleuth 在多跳任务上有明显提升。
说明GuidanceNFT：基于NFT奖励微调的引导扩散模型
简介论文指出，DiffusionNFT在优化任务奖励时，可能削弱与完整提示词的一致性，而分类器自由引导（CFG）虽能增强提示对齐，却会降低被优化的奖励。作者认为，NFT损失中的参考速度与引导样本分布的得分不匹配，因此提出GuidanceNFT，通过对引导样本进行在线流匹配估计匹配的参考速度并修正损失。实验显示，该方法在SD3.5-M上的奖励优于有无CFG的NFT，并在带内置引导的模型上提升了图像生成与文本任务表现。
