比特币、以太坊、稳定币、DeFi、智能合约、扩容与共识。
说明用可验证的智能体保险追究智能体责任
简介该论文提出“可验证智能体保险”（VAI）框架，让智能体提供方以资金担保其承诺的策略，并将承诺与保证金写入区块链智能合约。用户发现违约后，可由验证方审查执行轨迹，确认后保证金赔付给举报用户。作者在以太坊二层网络上实现了该系统，并在三个基准上评估：现有智能体的违规检测率为42.2%，若让智能体显式输出结构化授权与安全相关记录，检测率提升至83.0%。
说明面向金融收益、基于问题信息电路设计的可解释量子生成器
简介本文提出一种面向金融收益生成的问题导向框架，利用关系结构与对称性启发的参数共享，构建参数很少、算子作用可检验的量子电路。研究在混合Wasserstein量子生成对抗网络中评估了三种量子生成器，用于生成16步比特币收益窗口。结果显示，单层电路与更深的电路表现相当，且ZZ-CRX结构在同等深度下呈现中位杠杆下移，与设计意图一致。
说明FLAI协议：基于链上奖励与sPEG贡献评分的去中心化联邦学习
简介本文提出FLAI协议，一种由可信执行环境（TEE）支持的去中心化联邦学习框架，用于在多方不共享原始数据的前提下协同训练模型。该框架结合了飞地内验证的聚合、稀疏对等评估图（sPEG）贡献评分以及链上结算，以提高公平性与可问责性。作者在图像、文本和医疗数据集上评估，结果显示其模型效用与FedAvg相当，同时公平性与可问责性有所提升。
说明用于溶液相化学的溶剂化机器学习原子间势
简介机器学习原子间势多在气相数据上训练，难以直接用于溶液中的化学体系。本文提出AnySolv，一种可迁移的隐式溶剂化势，可在不重新训练的情况下，为现有气相势提供随溶剂变化的能量与力修正。该模型基于140万个由DFT与SMD计算得到的溶剂化能和力数据训练，涵盖36种溶剂，并可扩展到训练中未出现的179种溶剂。
看点提出可迁移的溶剂化修正方法，无需重训即可叠加到气相势函数上，并在大规模DFT-SMD数据和实验溶剂化自由能上验证，影响面较广。
说明EvoQuantLab：免训练的双循环进化框架，用于可审计的量化研究
简介本文提出EvoQuantLab，一个免训练的双循环自进化框架，用于自动发现量化因子。内循环采用遗传编程进化带类型的因子表达式，外循环诊断各轮证据以改进流程，并通过多指标验证过滤虚假因子。在沪深500和标普500日频数据及高频加密货币数据的样本外实验中，论文报告年化收益分别为18.34%、21.30%和37.91%。
