DeXposure-Claw：面向DeFi风险监管的智能体系统

去中心化金融使监管者面对快速演化的网络化信用风险。通用LLM智能体不太适合该设定：它们过度解读弱证据并建议高风险干预——而既有评估没有提供与监管者对齐的方式来测量由此产生的误报。我们介绍DeXposure-Claw——以预测为锚定的智能体监管系统——把LLM决策路由经结构化证据：(1) DeXposure-FM——图时序基础模型——预测未来暴露网络；(2) 确定性监视器与压力场景随后把预测转为带类型警报、归因信号与场景证据；(3) 数据健康与置信门在DeXposure-Claw发出带理据的可审计监管工单前约束升级。我们进一步开发DeXposure-Bench——六轴评估测试架——其决策轴以与监管者对齐的绝对损失真值与显式误干预率对工单评分。五年周度真实数据上的实验完全支持我们的系统。代码见 https://github.com/EVIEHub/DeXposure-Claw。