في ظل التطور السريع الذي يشهده عالم التمويل اللامركزي (DeFi)، يواجه المشرفون تحديات كبيرة في التعامل مع المخاطر المرتبطة بالشبكات الائتمانية المتحركة. قد تبدو النماذج العامة للذكاء الاصطناعي مثل نماذج اللغات الضخمة (Large Language Models) غير مناسبة لهذا السياق، حيث تُبالغ في قراءة الأدلة الضعيفة وتوصي بتدخلات ذات مخاطر عالية. ولكن، يبرز هنا نظام دكسفور-كلو (DeXposure-Claw) كنموذج مبتكر لمراقبة المخاطر في هذا المجال المعقد.

يعمل دكسفور-كلو من خلال تحويل قرارات نماذج اللغات الضخمة إلى إشعارات منهجية مبنية على الأدلة. يتضمن النظام ثلاث خطوات رئيسية: أولاً، يستخدم نموذج (DeXposure-FM) الذي يعتمد على نموذج أساسي زمني مرتبط بالرسوم البيانية للتنبؤ بالشبكات المستقبلية للتعرض. ثانيًا، يتم تحويل هذه التنبؤات إلى تنبيهات محددة وعلامات نسبية من خلال مراقبين محددين وسيناريوهات ضاغطة. وأخيرًا، تعمل بوابات صحة البيانات والثقة على تقييد تصعيد هذه الحالات قبل أن يخرج دكسفور-كلو تذاكر إشرافية قابلة للتدقيق مع تبريرات مفصلة.

ولزيادة موثوقية النظام، تم تطوير (DeXposure-Bench) كأداة تقييم متكاملة تتضمن ست محاور، تسمح بتقييم التذاكر وفقًا لمعايير موجهة للجهات المشرفة، بما في ذلك معدل التدخلات الكاذبة. وقد تم دعم فعالية هذا النظام من خلال تجارب على خمس سنوات من البيانات الواقعية الأسبوعية، مما يعزز تحقيق نتائج موثوقة.

إن دكسفور-كلو يعد خطوة هامة نحو تحسين مراقبة مخاطر التمويل اللامركزي، مما يمهد الطريق لتطبيقات أكثر أماناً وفعالية في هذا المجال الديناميكي.