Chaintrix：把LLM主張綁回結構化合約的智能合約審計框架
智能合約漏洞造成重大損失。團隊提出Chaintrix，要求所有LLM生成主張必須以結構化合約表示檢驗，並以Cross-ContractInteractionModel解析Solidity，用結構性檢查與符號執行分階段過濾誤報；在EVMbench上召回率為71.7%。
Chaintrix：以結構化表示約束LLM審計
智能合約漏洞頻繁造成重大損失，但人工審計成本高且耗時。Chaintrix將設計重點放在「每一項由大型語言模型提出的主張，皆須以確定性結構化合約表示來核驗」，藉此抑制LLM的幻覺型誤報並提升自動化結果的可檢證性。
系統首先採用Cross-Contract Interaction Model（CCIM），把Solidity解析成函式層級的讀寫、modifier與已解析的跨合約呼叫地圖。CCIM成為12個決定性信號引擎與並行LLM審計管線共同運作的基底，讓模型輸出能被結構化表示所對照。
合併後的發現會通過分階段的誤報降低流程，最終由結構化判決引擎（SVE）對解析後的程式碼施以確定性檢查；對於通過初步篩選且具有高可信度的項目，再以符號執行與模糊測試補強驗證。此流程兼顧自動化速度與分析嚴謹性。
在由OpenAI、Paradigm與OtterSec提供的EVMbench基準測試上，Chaintrix在120項高嚴重性漏洞中檢出86項，召回率為71.7%，且有25次審計達到100%召回，整體表現顯著優於最強的基線模型，顯示將LLM輸出與結構化合約表示綁定，能有效提升自動化審計的可靠度與實用性。
延伸閱讀
- FairQE：以多代理與 LLM 在推論期校正翻譯品質估計的性別偏誤
- 以語意監督為核心的 Text-to-SQL 合成方法：SemanticAgent 架構與實驗結果
- 可重用評估管線：為生成式人工智慧會議摘要建立標準化基準
原始來源：ArXiv AI
系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。
