Seventy3

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Visual Story-Writing: Writing by Manipulating Visual Representations of StoriesSummary我们将“视觉化故事写作”定义为：利用故事要素的视觉表示来支持叙事文本的写作与修改。为展示这一方法，我们开发了一款文本编辑器，能够自动将实体之间的交互关系、实体在不同地点之间的移动，以及故事事件的时间线进行图形化呈现。与这些可视化内容进行交互会产生相应的文本编辑建议：例如，在图中连接两个角色会在文本中生成他们之间的一次互动；移动某个实体会更新其所描述的位置；重新排列时间线上的事件则会重组叙事的顺序。通过两项关于叙事文本编辑与写作的用户研究，我们发现，可视化方式在支持参与者进行高层次修订规划、跟踪故事要素以及探索故事变体方面具有显著作用，并且能够以促进创造力的方式发挥效果。总体而言，我们的工作为写作支持奠定了基础，这种支持不仅依赖文字，也同样依赖视觉形式。原文链接：https://arxiv.org/abs/2410.07486

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Universal Deep Research: Bring Your Own Model and StrategySummary深度研究工具是当今最具影响力、也最为常见的代理型系统之一。然而，我们观察到，迄今为止提出的每一种深度研究代理都被硬编码为执行某一种特定的研究策略，并且使用的是固定的一组工具。我们提出了通用深度研究（Universal Deep Research，UDR），这是一种通用型代理系统，可以封装在任何语言模型之上，使用户无需进行任何额外的训练或微调，就能够创建、编辑并不断完善完全自定义的深度研究策略。为展示该系统的通用性，我们为 UDR 配备了示例性的最小化、扩展型和高强度研究策略，并提供了一个用户界面，以便用户对系统进行实验和探索。原文链接：https://arxiv.org/abs/2509.00244

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Fhevm: A cross-chain protocol for confidential smart contractsSummaryZama 的 fhEVM 是一种跨链协议，利用全同态加密（Fully Homomorphic Encryption，FHE）在任何 L1 和 L2 上实现机密智能合约。它为链上应用提供端到端加密，在保证机密性与隐私性的同时，仍然保持完全的可组合性、可验证性以及无许可特性。fhEVM 通过协处理器来执行高开销的 FHE 计算，使用门限多方计算（threshold MPC）来保障解密密钥的安全，并配套一组可部署在 Rollup 或 L1 上的智能合约，用于协调和编排各个不同的系统组件。原文链接：https://github.com/zama-ai/fhevm/blob/main/fhevm-whitepaper.pdf

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：From AI for Science to Agentic Science: A Survey on Autonomous Scientific DiscoverySummary人工智能（AI）正在重塑科学发现的方式，其角色正从专用的计算工具演进为自主的科研合作伙伴。我们将 Agentic Science（具身智能科学/代理型科学） 定位为“科学中的人工智能（AI for Science）”这一更大范式中的关键发展阶段，在这一阶段，AI 系统从部分辅助逐步走向具备完整科学主体性的自主体。得益于大语言模型（LLMs）、多模态系统以及集成化科研平台，代理型 AI 已展现出在假设生成、实验设计、实验执行、结果分析以及迭代优化等方面的能力——这些行为过去被普遍认为是人类科学家的独有特征。本文综述以领域为导向，系统回顾了生命科学、化学、材料科学和物理学中自主科学发现的研究进展。我们通过一个综合性框架，统一了此前相对割裂的三种视角——以流程为导向、以自主性为导向以及以机制为导向——将基础能力、核心过程与具体领域实现有机衔接。在此框架基础上，本文进一步：（i）梳理了 AI for Science 的演进历程；（ii）识别了支撑科学主体性的五项核心能力；（iii）将科学发现建模为一个动态的四阶段工作流程；（iv）综述了上述多个学科领域中的应用实例；以及（v）综合分析了关键挑战与未来机遇。本研究构建了一个面向领域的自主科学发现综合视角，并将 Agentic Science 定位为推动 AI 驱动科研发展的结构化范式。原文链接：https://arxiv.org/abs/2508.14111

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Memento: Fine-tuning LLM Agents without Fine-tuning LLMsSummary本文提出了一种用于自适应大型语言模型（LLM）智能体的全新学习范式，该范式无需对底层 LLM 进行微调。现有方法往往存在两类局限：要么依赖静态、人工设计的反思工作流，灵活性不足；要么计算成本高昂，需要对 LLM 模型参数进行梯度更新。相比之下，我们的方法通过基于记忆的在线强化学习，实现了低成本的持续自适应。我们将该过程形式化为一种记忆增强的马尔可夫决策过程（Memory-augmented Markov Decision Process，M-MDP），并引入一个神经化的案例选择策略来指导行动决策。历史经验被存储在情景记忆中，该记忆既可以是可微的，也可以是非参数化的。策略通过一种记忆重写机制，基于环境反馈持续更新；而策略改进则通过高效的记忆读取（检索）来实现。我们在深度研究（deep research）场景中实例化了该智能体模型，命名为 Memento。该模型在 GAIA 验证集上取得了第一名（Pass@3 为 87.88%），在测试集上达到 79.40%。在 DeepResearcher 数据集上，其 F1 值为 66.6%，PM 为 80.4%，超过了当前最先进的基于训练的方法；同时，基于案例的记忆机制在分布外任务上带来了 4.7% 至 9.6% 的绝对性能提升。总体而言，我们的方法为构建具备持续、实时学习能力且无需梯度更新的通用型 LLM 智能体提供了一条可扩展且高效的路径，推动了机器学习在开放式技能获取和深度研究场景中的发展。代码已在上述 HTTPS 链接中公开。原文链接：https://arxiv.org/abs/2508.16153

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Anemoi: A Semi-Centralized Multi-agent System Based on Agent-to-Agent Communication MCP server from Coral ProtocolSummary近年来，通用型多智能体系统（Multi-Agent Systems，MAS）的研究进展主要遵循“上下文工程 + 集中式”的范式，即由一个规划智能体通过单向提示传递来协调多个执行智能体。尽管在规划智能体能力较强时该设计较为有效，但其存在两个关键局限：（1）对规划智能体能力的高度依赖，当规划智能体由规模较小的语言模型（LLM）驱动时，系统性能会显著下降；（2）智能体之间的通信受限，协作主要依赖提示的简单拼接，而非通过结构化讨论实现真正的结果细化与改进。为应对上述挑战，我们提出了 Anemoi——一种基于 Coral Protocol 的 Agent-to-Agent（A2A）通信 MCP 服务器构建的半集中式多智能体系统。与传统设计不同，Anemoi 支持结构化且直接的智能体间协作，使所有智能体能够实时监控任务进展、评估阶段性结果、识别瓶颈并提出改进建议。该范式降低了对单一规划智能体的依赖，支持自适应的计划更新，并减少了冗余的上下文传递，从而实现更具可扩展性的执行过程。在 GAIA 基准测试上的评估结果表明，当使用小规模 LLM（GPT-4.1-mini）作为规划智能体时，Anemoi 取得了 52.73% 的准确率；在相同 LLM 设置下，该成绩相比最强的开源基线 OWL（43.63%）提升了 9.09 个百分点。我们的实现已在上述 https URL 上公开发布。原文链接：https://arxiv.org/abs/2508.17068

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：OPENCUA: Open Foundations for Computer-Use AgentsSummary视觉—语言模型已展示出作为计算机使用代理（Computer-Use Agents，CUAs）的卓越能力，能够自动化完成多种计算机任务。随着其商业潜力不断提升，最先进的 CUA 系统的关键技术细节仍然处于封闭状态。鉴于这类代理将日益在数字交互中充当中介，并代表我们执行具有重要影响的决策，研究社区亟需开放的 CUA 框架，以系统性地研究其能力、局限性与潜在风险。为弥补这一缺口，我们提出了 OpenCUA，一个用于扩展 CUA 数据与基础模型的综合性开源框架。该框架包括以下三项核心组成部分：（1）一个标注基础设施，能够无缝捕获人类的计算机使用示范；（2）AgentNet，这是首个大规模计算机使用任务数据集，覆盖 3 种操作系统以及 200 余个应用程序和网站；（3）一个可扩展的数据处理流水线，将示范转化为状态—动作对，并引入具有反思性的长链式思维（Chain-of-Thought）推理，从而在数据规模扩大时持续带来稳健的性能提升。我们的端到端代理模型在多项 CUA 基准测试中表现出强劲性能。尤其是，OpenCUA-72B 在 OSWorld-Verified 上取得了 45.0% 的平均成功率，在开源模型中建立了新的最优性能（SOTA）。进一步分析表明，该方法在跨领域场景中具有良好的泛化能力，并且能够显著受益于测试阶段计算量的增加。我们已公开发布标注工具、数据集、代码及模型，以构建开放基础，推动后续 CUA 研究的发展。原文链接：https://arxiv.org/abs/2508.09123

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：ComputerRL: Scaling End-to-End Online Reinforcement Learning for Computer Use AgentsSummary我们提出了 ComputerRL——一个面向自主桌面智能的框架，使智能体能够熟练地操作复杂的数字化工作空间。ComputerRL 引入了 API-GUI 范式，将程序化的 API 调用与直接的 GUI 交互统一起来，从而解决机器智能体与以人为中心的桌面环境之间固有的不匹配问题。为了在多样化的桌面任务上实现能力提升与泛化，端到端强化学习（RL）的规模化训练至关重要；然而，由于环境效率低下以及长时间训练过程中的不稳定性，这一目标仍然面临诸多挑战。为支持可扩展且稳健的训练，我们构建了一套分布式强化学习基础设施，能够调度数千个并行的虚拟桌面环境，从而加速大规模在线强化学习。此外，我们提出了一种名为 Entropulse 的训练策略，通过在强化学习与监督微调之间交替训练，有效缓解了长时间训练过程中出现的熵坍塌问题。我们将 ComputerRL 应用于开源模型 GLM-4-9B-0414 和 GLM-4.1V-9B-Thinking，并在 OSWorld 基准上进行了评测。结果表明，AutoGLM-OS-9B 达到了 48.9% 的新 SOTA 准确率，显著提升了通用智能体在桌面自动化任务中的表现。我们的代码以及新的 OfficeWorld 基准测试已在所述 https 链接中公开。该算法与框架也已被用于构建 AutoGLM（Liu 等，2024b）。原文链接：https://arxiv.org/abs/2508.14040

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Chain-of-Agents: End-to-End Agent Foundation Models via Multi-Agent Distillation and Agentic RLSummary近年来，大型语言模型（LLM）和多智能体系统的快速发展，已在深度研究、氛围式编程（vibe coding）以及数学推理等复杂问题求解任务中展现出卓越能力。然而，现有的大多数多智能体系统依赖人工设计的提示词与工作流工程，并构建在复杂的智能体框架之上，这使得它们在计算上效率低下、能力受限，且难以从以数据为中心的学习范式中获益。在本文中，我们提出了 Chain-of-Agents（CoA）——一种新的 LLM 推理范式，使单一模型即可原生地端到端完成复杂问题求解，其方式与多智能体系统等价（即通过多轮交互、使用多种工具并扮演多个智能体角色来解决问题）。在 Chain-of-Agents 的问题求解过程中，模型会动态激活不同的工具型智能体和角色扮演型智能体，以端到端的方式模拟多智能体协作。为在 LLM 中激发端到端的 Chain-of-Agents 求解能力，我们提出了一种多智能体蒸馏框架，将最先进的多智能体系统蒸馏为 Chain-of-Agents 轨迹，用于智能体化的监督微调（agentic supervised fine-tuning）。随后，我们在可验证的智能体任务上引入智能体强化学习（agentic reinforcement learning），进一步提升模型在 Chain-of-Agents 问题求解方面的能力。我们将最终得到的模型称为智能体基础模型（Agent Foundation Models，AFMs）。大量实验结果表明，AFM 在 Web 智能体和代码智能体等多种设置下的多项基准测试中均取得了新的最先进性能。我们将全部研究成果完全开源，包括模型权重、训练与评估代码以及训练数据，为未来关于智能体模型和智能体强化学习的研究提供了坚实的起点。原文链接：https://arxiv.org/abs/2508.13167

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：AI Agent Smart Contract Exploit GenerationSummary智能合约漏洞已造成数十亿美元的损失，但发现可实际利用的攻击仍然极具挑战性。传统模糊测试工具依赖僵化的启发式规则，难以应对复杂攻击；而人工审计虽然细致，却效率低下且难以规模化。大型语言模型（LLM）提供了一种颇具潜力的折中方案，将类人的推理能力与机器级的执行速度相结合。然而，早期研究表明，仅通过提示词驱动 LLM 往往会产生未经验证的漏洞猜测，且误报率较高。为解决这一问题，我们提出了 A1——一种智能体（agentic）系统，可将任意 LLM 转化为端到端的漏洞利用生成器。A1 为智能体提供了六种领域特定工具，用于自动化漏洞发现，覆盖从理解合约行为到在真实区块链状态上测试攻击策略的全过程。所有输出结果均通过实际执行进行严格验证，确保仅报告具备实际获利能力的概念验证（PoC）漏洞利用。我们在以太坊和币安智能链上的 36 个真实世界漏洞合约上对 A1 进行了评估。在 VERITE 基准测试中，A1 取得了 63% 的成功率。在所有成功案例中，A1 单个漏洞利用最高可提取 859 万美元，总计可达 933 万美元。通过在六种 LLM 上开展的 432 次实验，我们发现大多数漏洞利用在五次迭代内即可生成，单次尝试的成本介于 0.01 美元至 3.59 美元之间。此外，通过对历史攻击进行蒙特卡洛分析，我们表明：若能立即检测到漏洞，成功概率可达 86%–89%；若延迟一周再发现，成功概率则骤降至 6%–21%。经济性分析进一步揭示了一种令人担忧的不对称性：攻击者在仅 6000 美元的漏洞价值下即可实现盈利，而防御者则需要 60000 美元——这引发了一个根本性问题，即 AI 智能体是否不可避免地更倾向于促进攻击而非防御。原文链接：https://arxiv.org/abs/2507.05558

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Smart Contract Fuzzing Towards Profitable VulnerabilitiesSummary数十亿美元通过智能合约进行交易，使得漏洞成为重大的金融风险。在安全攻防竞赛中，一个重要焦点是攻击者可以加以利用的高收益漏洞。模糊测试（Fuzzing）是识别此类漏洞的关键方法。然而，现有解决方案主要面临两方面的限制：其一，缺乏以收益为中心、能够加速漏洞发现的技术；其二，在最大化已发现漏洞的可获利性方面自动化程度不足，往往仍需依赖人工专家进行分析。为弥补这些不足，我们提出了 VERITE——一种以收益为中心的智能合约模糊测试框架，不仅能够有效检测高收益漏洞，还能够最大化漏洞利用所获得的收益。VERITE 具有三个关键特性：1）基于 DeFi 行为的变异器，用于增强对具有不同资金流向交易的探索能力；2）潜在高收益候选输入的识别准则，通过检测测试过程中输入是否引发异常的资金流动特征；3）针对已识别候选输入的、基于梯度下降的收益最大化策略。VERITE 从零开始完整实现，并在一个包含 61 个真实世界中已被利用的 DeFi 项目的数据集上进行了评估，这些项目的平均损失超过 110 万美元。实验结果表明，VERITE 能够自动提取总计超过 1800 万美元的收益，并且在漏洞检测能力（29/10）和漏洞利用效果（平均获利高出 134 倍）方面均显著优于当前最先进的模糊测试工具 ITYFUZZ。值得注意的是，在 12 个测试目标中，VERITE 所获得的收益甚至超过了真实攻击中使用的漏洞利用手段（高出 1.01 至 11.45 倍）。此外，VERITE 已被审计人员应用于合约审计实践中，成功发现了 6 个零日漏洞（其中 5 个为高危漏洞），并获得了超过 2500 美元的漏洞赏金奖励。原文链接：https://arxiv.org/abs/2501.08834

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Virtual Agent EconomiesSummary自主型 AI 智能体的快速采用正在催生一个新的经济层面，在这一层面中，智能体以超出人类直接监督能力的规模和速度进行交易与协作。我们提出“沙盒经济”（sandbox economy）这一框架，用以分析这一新兴系统，并从两个关键维度对其进行刻画：其起源（自发涌现型 vs. 有意设计型），以及其与既有人类经济之间的隔离程度（可渗透型 vs. 不可渗透型）。当前的发展轨迹表明，一个规模庞大且高度可渗透的 AI 智能体经济正在自发形成。这一趋势既为前所未有的大规模协调提供了机遇，也带来了显著挑战，包括系统性经济风险以及不平等的进一步加剧。本文讨论了若干可能的设计选择，这些选择有助于实现安全且可控的 AI 智能体市场。具体而言，我们考察了用于公平资源分配与偏好协调的拍卖机制、围绕实现集体目标而进行协调的 AI“使命经济”（mission economies）的设计，以及确保信任、安全与问责所需的社会—技术基础设施。通过上述分析，我们主张对可引导的智能体市场进行前瞻性设计，以确保即将到来的技术变革能够与人类长期的整体繁荣相一致。原文链接：https://arxiv.org/abs/2509.10147

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Why Language Models HallucinateSummary就像学生在面对困难的考试题目时一样，大型语言模型在不确定时有时会进行猜测，生成看似合理但实际上错误的陈述，而不是承认自身的不确定性。即便在最先进的系统中，这类“幻觉”现象仍然存在，并削弱了人们对模型的信任。我们认为，语言模型之所以会产生幻觉，是因为训练和评估流程奖励猜测行为，而非承认不确定性；并且我们分析了现代训练流水线中导致幻觉的统计学成因。幻觉并不神秘——它们本质上只是二元分类中的错误。如果无法将错误陈述与事实区分开来，那么在自然的统计压力作用下，预训练语言模型中就会产生幻觉。接着，我们指出，幻觉之所以持续存在，是由于大多数评测的评分方式所致——语言模型被优化成“擅长应试”的系统，而在不确定时进行猜测能够提升测试成绩。这种对不确定回答进行惩罚的“流行病”，只能通过一种社会—技术层面的缓解手段来解决：与其引入新的幻觉评测，不如修改那些虽然存在错位但却主导排行榜的现有基准的评分方式。这一改变可能会引导该领域迈向更加值得信赖的人工智能系统。原文链接：https://arxiv.org/abs/2509.04664

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Memento: Fine-tuning LLM Agents without Fine-tuning LLMsSummary该文本介绍了一种名为 Memento 的新型学习范式，它旨在实现 自适应大型语言模型（LLM）代理的持续学习，而无需对底层 LLM 进行成本高昂的微调。 Memento 将代理形式化为 记忆增强型马尔可夫决策过程（M-MDP），利用情节记忆（episodic memory）存储过往经验，并采用神经案例选择策略（neural case-selection policy）来指导行动。这种方法利用 基于案例的推理（CBR），通过高效的内存读取和重写机制，在 Deep Research 等复杂任务中实现了 低成本的在线强化学习，并在 GAIA 等基准测试中取得了顶尖性能。总体而言，Memento 提供了一个无需梯度更新即可持续高效地获取新技能的 可扩展且高效的通用 LLM 代理开发途径。原文链接：https://arxiv.org/abs/2508.16153

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Chain-of-Agents: End-to-End Agent Foundation Models via Multi-Agent Distillation and Agentic RLSummary该文本摘录自一篇关于**“Chain-of-Agents” (CoA)** 的研究论文，这是一种新型的大型语言模型 (LLM) 推理范式，旨在将多智能体系统的复杂问题解决能力整合到一个模型中。作者提出了 Agent Foundation Models (AFMs)，通过多智能体知识蒸馏和智能体强化学习 (RL) 进行训练，使其能够模拟多步骤、多工具的协作式问题解决过程。实验结果显示，AFM 在包括网页智能体、代码生成和数学推理在内的多个基准测试中达到了最先进的性能，同时与传统多智能体系统相比，显著提高了计算效率。研究者们承诺将模型权重、代码和数据完全开源，以推动未来的智能体研究。原文链接：https://arxiv.org/abs/2508.13167

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Agentic Web: Weaving the Next Web with AI AgentsSummary该来源文件全面概述了**“Agentic Web”（智能体网络）的兴起，这是一个由基于大型语言模型（LLMs）的自主软件智能体驱动的新一代互联网生态系统。文章将互联网的历史划分为PC网络、移动网络和智能体网络三个时代，阐述了智能体如何从被动内容检索转向主动的、多步骤的任务执行和协作**。作者提出了一个由智能、交互和经济组成的概念框架，详细分析了智能体如何实现长期规划、语义交互以及向**“智能体注意力经济”商业模式的转变。此外，该文件还讨论了Agentic Web在应用场景**（如智能体作为接口或用户代理）以及在安全性、治理和评估方面（特别是通过红队测试）面临的基础挑战。原文链接：https://arxiv.org/abs/2507.21206

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Efficient Agents: Building Effective Agents While Reducing CostSummary该研究系统地分析了 大型语言模型（LLM）驱动的智能体系统 中存在的 效率与性能的权衡 问题，指出尽管LLM智能体的能力显著增强，但其不断攀升的成本严重威胁了其可扩展性和可及性。通过在GAIA基准上进行实证分析，研究人员评估了 LLM骨干模型选择、规划、工具使用和内存机制 等核心组件对效率和性能的影响，并采用了 “通过成本”（cost-of-pass） 这一指标来量化经济效益。基于这些发现，作者提出了 “高效智能体”（Efficient Agents） 框架，该框架通过优化组件配置，在保持96.7%性能的同时，将运营成本降低了28.4%，为构建更具 成本效益 的高性能AI解决方案提供了实用见解。原文链接：https://arxiv.org/abs/2508.02694

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：A Framework for the Profitable Integration of Distributed Ledger Technologies in Enterprise NetworksSummary这份学术研究文章出自《LEDGER》期刊，聚焦于分布式账本技术 (DLT) 在企业网络，特别是供应链管理中的盈利能力集成框架。作者指出，尽管DLT项目展示了诸多潜力，但企业难以评估其对盈利的影响。文章采用扎根理论，结合系统文献回顾和对40位行业专家的访谈，构建了一个盈利能力评估模型，包括一个四维分类法和一个热图来刻画DLT解决方案的成熟度。研究最终提出了一系列定性和定量因素，并以收益和成本矩阵的形式呈现，旨在帮助从业者和研究人员系统地评估区块链解决方案的经济价值。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/395

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Blockchain for Democratic Justice: Innovating the Service of Judicial Documents to Uphold the Rule of LawSummary该来源是一篇题为“区块链促进民主司法：创新司法文件送达以维护法治”的邀请研究文章，探讨了在欧盟内部的跨境诉讼中，区块链技术如何能够改进司法文件的电子送达流程。文章首先指出了根据《欧盟基本权利宪章》第47条，司法文件送达对于保障司法公正的重要性，并概述了《文件送达条例》（修订版）在引入电子送达方面面临的挑战，例如欧盟成员国之间程序法和技术上的差异。文章随后深入探讨了如何设计一个基于区块链的解决方案，特别是针对最易获取但保障级别较低的电子邮件送达方式，通过利用区块链的防篡改和去中心化特性，来增强送达过程中的可靠性和证据力。最终，文章得出结论，区块链可以显著提高电子送达，尤其是电子邮件送达的法律确定性和效率，从而更好地维护欧盟司法领域中的程序保障。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/392

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Investigating Similarities Across Decentralized Finance (DeFi) ServicesSummary该来源是一篇题为“调查去中心化金融（DeFi）服务间的相似性”的邀稿研究文章，发表于《LEDGER》期刊。该研究的作者们探索了如何使用图表示学习（GRL）算法来分析去中心化金融协议提供的**“构建模块”（building blocks）之间的相似性。通过使用以太坊交易数据，研究人员将这些金融功能单元进行聚类**，旨在根据其智能合约属性和调用结构来自动识别相似的DeFi服务。研究结果表明，该方法在将功能单元按所属协议进行分组时，其性能（V-Measure为0.571）优于按金融功能类别进行分组，这表明协议特有的交易模式是导致相似性的重要因素。该论文详细介绍了数据集、嵌入方法以及聚类分析结果，并讨论了其在增强互操作性和比较不同DeFi实现方面的意义。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/402

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Development of the Blockchain Technology Literacy Test (BTLT): A Scoping Review of Current LiteratureSummary这份来源资料是一篇题为“区块链技术素养测试 (BTLT) 的开发：当前文献的范围界定回顾”的综述文章，该文章发表在《Ledger》期刊上。作者指出，学术界在区块链技术素养方面存在显著空白，研究往往侧重于加密货币素养。为了解决这个问题，研究人员提出了区块链技术素养测试 (BTLT)，旨在评估对区块链核心技术和术语的理解。此外，他们还更新了加密货币素养测试 (CLT)，以避免评估中的重复和冗余。文章基于对八个数据库的文献回顾，最终纳入了九篇相关出版物，并强调在新兴区块链应用领域进行更清晰的定义和更广泛的研究的必要性。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/401

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Exploring the Mesoscopic Structure of Bitcoin During its First Decade of LifeSummary这份研究文章探讨了比特币用户网络（BUN）在2011年至2018年间，即其诞生后的第一个十年的中观结构特性。作者们通过分析整个比特币交易历史的公开数据，构建了用户网络，并检查了其核心—边缘结构和蝴蝶结结构（bow-tieness）等拓扑性质。研究发现，BUN的结构组织波动似乎与比特币历史上的价格泡沫期相关联，这表明结构特征与价格变动之间存在相互作用。此外，文章还分析了亲疏性（assortativity）、中心性和小世界特性等指标，并提出了通过降低网络中“枢纽”的重要性来减轻价格崩溃风险的政策建议。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/335

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：The Four Types of Stablecoins: A Comparative AnalysisSummary该研究论文对稳定币进行了比较分析，提出了一种基于抵押品来源（外部或内部）和抵押品管理（集中式或分散式）的四种类型分类。作者利用基于代理的模拟来测试每种稳定币类型在不同条件下的稳定性，特别是针对需求冲击的反应。研究结果强调，集中管理和内部抵押品的稳定币（如 TerraUSD）最容易崩盘，而分散管理的稳定币（如 Dai 和 sUSD）尽管波动性较大，但更具弹性。最终，该分析得出结论，在稳定性、独立性和成本之间存在一个三难困境，并为投资者和监管机构提供了政策建议。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/326

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：How Do Decentralized Finance Protocols Compare to Traditional Financial Products? A Taxonomic ApproachSummary这篇评论文章介绍了去中心化金融（DeFi）协议的分类方法，并利用这种方法比较DeFi产品与传统金融机制。作者首先根据信息系统的方法论构建了一个包含八个维度的DeFi协议分类法，旨在为DeFi协议的分类和追踪其未来发展提供一个结构化工具。文章随后详细描述了DeFi协议在DeFi堆栈层、目的、价格机制、流动性存储和抵押品等方面的特性。最后，文章对比了DeFi和传统金融在交易所、借贷、衍生品、资产管理和保险等领域的异同，并讨论了DeFi中产生的创新产品及其风险和机遇。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/360

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Market Neutral Liquidity ProvisionSummary这份研究文章探讨了去中心化金融中集中流动性池的对冲策略，尤其关注如何实现市场中性的流动性供给。作者们从现有的流动性提供者损失指标（如“无常损失”）研究中转移焦点，推导出了一个利用期权和期货构建的对冲投资组合，旨在维持流动性提供者资产的美元价值恒定，从而通过赚取交易费而非投机收益。文章详细介绍了在Uniswap v3等集中流动性自动做市商（AMM）模型中，如何使用一系列看涨和看跌期权来复制流动性头寸的价值，从而实现“无模型”的对冲。最后，作者通过一个实证案例分析了这种对冲策略的实际限制和资本效率，指出所需的初始保证金很高，但对冲投资组合本身（特别是通过期货溢价）也能带来额外收益。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/389

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Decentralization, Blockchains, and the Development of Smart Communities in Economically Challenging EnvironmentsSummary该研究文章探讨了区块链技术如何应用于经济困难环境中的智能社区发展，这与传统上认为区块链仅适用于资源丰富的智慧城市形成了对比。作者分析了四个具体的案例，包括约旦难民营的食品分发、肯尼亚农村地区的金融系统、塞拉利昂的身份识别平台以及芬兰难民的身份管理，以展示区块链在这些缺乏基础设施的背景下的核心作用。通过这些案例研究，文章提出，在这些环境下，区块链能够作为建立和维护社区信任的关键要素，并为金融和身份管理等基本需求提供新的整合途径。最终，作者得出了**“智能社区”的定义**，并概述了其概念要素，强调了区块链在促进这些社区自下而上发展中的基础性作用。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/302

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Reconciling Open Interest with Traded Volume in Perpetual SwapsSummary该研究文章题为**《调和永续掉期合约中的未平仓量与交易量》，对多家主要加密货币衍生品交易所的比特币永续掉期数据进行了分析。作者检验了未平仓合约总数（open interest）与交易量（traded volume）之间的关系**，发现许多交易所存在系统性的报告差异，即观察到的未平仓量变化无法完全用报告的交易量来解释。通过检查 2023 年两个不同时期的分笔数据，作者确定了ByBit 和 OKX 存在最频繁且巨大的数据不一致问题，这意味着其未平仓合约要么被夸大，要么交易量被低报。研究得出结论，这种数据不准确性可能被交易所利用，通过制造错误的未平仓量信号来激励更多交易，从而增加收入。最后，文章呼吁交易所提高透明度，以保护市场诚信并促进健康发展。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/325

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Dissecting the NFT Market: Implications of Creation Methods on Trading BehaviorSummary这篇学术研究考察了波动不定的NFT市场，侧重于创作方法——手绘或AI生成——如何影响交易行为。研究人员使用了来自OpenSea市场2023年的超过147万笔交易数据，并应用了随机森林模型进行预测和分类分析。分析结果显示，AI生成的NFT虽然通常具有更高的价格点，但手绘的NFT则表现出更高的销售频率。此外，影响销售预测和分类的最重要特征是合约所有者和NFT的价格。尽管市场具有固有的复杂性和不可预测性，但机器学习模型在基于交易特征对NFT创作方法进行分类时表现出极高的准确性。该研究最终为市场利益相关者提供了关于创作源头如何影响交易模式的有价值的数据驱动见解。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/377

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Granger-Causal Effects of Consumer Behavior on NFT SalesSummary这篇研究文章探讨了消费者行为指标是否能够预测波动性极高的NFT市场的方向性变化。作者利用公开市场数据创建了两个关键指标：买家活跃度指标 (BAM) 和 买家估值指标 (BVM)。通过应用 向量自回归模型 (VAR) 和 格兰杰因果检验，研究证实 BAM 和 BVM 的变化能够显著且单向地预测 每月 NFT 销售额 的变化。具体来说，消费者指标的变化会提前 四个月 预示销售额的相应变动，为交易者和投资者提供了一种有价值的预测工具。该文还从理论上探讨了这种预测关系可能与被称为 NFT 巨鲸 的高净值投资者所引发的市场趋势以及高价值资产的典型 持有时间 有关。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/312

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Tokenized Carbon CreditsSummary这篇评论文章考察了区块链系统上代币化碳信用额的现状，并承认它们有潜力提高自愿碳市场中的透明度和核算效率。核心问题在于这些数字资产的异质性极高，其背后的方法论、代币标准和托管链差异巨大，严重阻碍了市场的互操作性和流动性。作者分析了包括Toucan和Nori在内的多个主要代币化项目，详细介绍了它们各自的实现方式以及为促进交易而创建可互换性层的努力。此外，该来源还概述了不断发展的可编程碳应用生态系统，包括碳支持的数字资产和气候主题的NFT项目。文章最终指出，在行业追求通过集中化实现高交易流动性的目标与维护不同优质碳信用的个体价值特征的必要性之间，存在着根本性的矛盾。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/294

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Blockchains and Triple-Entry Accounting for B2B Business ModelsSummary这篇综述文章考察了区块链技术和三式记账法（TEA）在企业对企业（B2B）交易中的应用潜力与现状。文章指出，沿用数百年的复式记账法（DEA）缺乏必要的信任和交叉验证机制，难以应对复杂的B2B关系中可能出现的错误和欺诈问题。研究提出，利用分布式账本的区块链三式记账法是解决这一挑战的有效方案，因为它提供了一个安全、不可篡改的第三方见证条目。通过探索性定性研究方法，作者回顾了三式记账的历史概念，并分析了Luca+和zkLedger等现代区块链会计解决方案的案例。文章详细对比了DEA与基于区块链的TEA的优缺点，强调了后者在提高透明度、可靠性和安全性方面的优势。然而，研究也承认，技术复杂性、可扩展性以及监管标准的缺乏，仍然是广泛采用这些创新系统的主要挑战。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/288

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：A Token Economics Explanation for the De-Pegging of the Algorithmic Stablecoin: Analysis of the Case of TerraSummary这篇研究文章调查了算法稳定币 TerraUSD（UST）的灾难性崩盘和脱钩事件，该事件在 2022 年 5 月震动了加密货币市场。该研究利用 链上数据 和经济分析，详细审视了 Terra 区块链代币经济学中的根本性漏洞。文章指出，UST 的失败源于 激励结构的设计缺陷，即当用户将 UST 兑换为 LUNA 时，获得的补偿明显低于 1 美元的挂钩价值。这种补偿不足造成了 互换交易的巨大价差，确保了理性的套利交易者不会以高于协议所保证的低兑换价值购买 UST。格兰杰因果关系分析证实了， 由区块链保证的兑换价值 直接驱动了 UST 市场价格的下跌，从而突显了稳健的协议设计对于确保系统可持续性的关键作用。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/283

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Irrational Economic Action: Running a Bitcoin Lightning Node for Negative ProfitSummary该文是一篇研究论文，探讨了运营比特币闪电网络（LN）节点的非理性经济行为。文章指出，尽管节点运营商经常面临净美元亏损，因为极低的路由费用无法覆盖劳动和资本成本，但LN网络的节点数量仍在持续增长。从经济角度看，LN路由市场虽然有少数巨头主导流动性，但整体特征接近完全竞争。研究认为，这种看似亏损的行为是合理的，因为运营商通常采用比特币本位利润观（即“₿1 等于 ₿1”），并寄希望于比特币未来价值的长期增值。尽管未能通过调研确定非经济效用的确切原因，但该研究成功描述了中等规模节点的基本运营模型，并指出运营商还重视节点声誉和社会网络构建。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/289

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Economics of Open-Source Solar Photovoltaic Powered Cryptocurrency MiningSummary这篇研究探讨了利用太阳能光伏（PV）系统为不同规模的加密货币挖矿提供能源的经济和环境可行性。研究人员首先在实验室环境中测量了单个 Antminer S17e 矿机的能耗，然后模拟了光伏系统在单台矿机、一个 **DIY 集装箱（50台矿机）和一个 商业集装箱（408台矿机）规模下的表现。敏感性分析涵盖了北美六个城市的电价、太阳能辐射量、比特币减半事件以及价格波动等因素。结果表明，投资回报率（ROI）因地理位置而异，主要取决于当地的太阳能通量和现有的公用事业电价。例如，由于原本的电费较低，加拿大的城市使用光伏的 ROI 为负，但在洛杉矶，由于高昂的电网成本和充足的日照，单个矿机的 ROI 高达 104%。该研究支持了通过可再生能源实现加密货币挖矿的可持续性，并强调了结合农光互补（Agrivoltaics）**等策略来解决大规模光伏部署带来的土地使用冲突的潜力。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/278

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Coin Transfer Unlinkability Under the Counterparty Adversary ModelSummary这篇研究文章考察了加密货币中至关重要的不可关联性，这对保护用户免受去匿名化攻击至关重要。作者提出了交易对手攻击者模型，揭示了Mimblewimble等协议中的漏洞，在该模型下，串通的对手方可以关联原本独立的个人身份信息 (PII)片段。为了分析和解决这一隐私问题，该文定义了代币转移系统，并提出了被称为代币转移不可关联性 (CT-unlinkability)的严格隐私衡量标准。研究中引入了一种利用零知识性的新颖方法，旨在方便地证明特定加密货币协议是否能够实现这种增强的隐私级别。通过应用该框架，研究得出结论：Mimblewimble在该模型下是可关联的（易受攻击），而Zerocash协议则成功实现了CT-unlinkability。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/260

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：HLF-Kubed: Blockchain-Based Resource Monitoring for Edge ClustersSummary这篇研究文章介绍了对大规模分布式边缘计算环境进行资源监控的挑战。传统的集中式监控解决方案在管理资源受限的物联网设备时效率低下，容易成为性能瓶颈和单点故障。为了解决这些问题，作者提出了 HLF-Kubed 框架，它利用分布式账本技术实现分散式的资源指标追踪。HLF-Kubed 结合了 HyperLedger Fabric 这一许可型区块链和轻量级容器编排器 K3s Kubernetes，以确保系统的高可用性和高效部署。通过智能合约，系统能够可靠地在边缘节点间共享 CPU、内存和网络利用率等信息。在树莓派集群上的实验验证了 HLF-Kubed 解决方案具有低内存和低 CPU 开销的特点，成功实现了针对网络边缘的容错且可扩展的资源监控系统。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/260

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：A Decentralized Identity-Based Blockchain Solution for Privacy-Preserving Licensing of Individual-Controlled Data to Prevent Unauthorized Secondary Data UsageSummary这篇研究论文解决了加密货币中至关重要的不可链接性问题，该属性旨在保护用户免受去匿名化攻击。作者首先强调了 Mimblewimble 等协议在交易对手可能串通的假设下存在的隐私漏洞，这可能将个人的多块独立 个人身份信息 (PII) 链接起来。为分析此威胁，他们提出了新的理论框架，包括 对手方攻击模型 和 代币转移不可链接性 (CT-unlinkability) 这一关键指标。通过引入 通用零知识代币转移系统 的概念，他们提出了一种更简便的方法来证明这种安全属性。文章应用其框架证明了 Mimblewimble 是 CT-可链接的（即存在漏洞），而 Zerocash 协议则被证实能够实现 CT-不可链接性。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/239

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Strategic Diversification for Asynchronous Asset Trading: Insights from Generalized Coherence Analysis of Cryptocurrency Price MovementsSummary这篇研究文章分析了 2020 年加密货币价格变动的复杂动态，以指导投资组合多元化战略。作者采用了 广义相干性分析（n:m 相干性）来衡量不同加密货币对之间的线性和非线性相互作用。研究结果表明，线性耦合（IFC）与市值密切相关，即大型加密货币倾向于更频繁地同步变动。然而，非线性耦合（CFC）与市值没有显著相关性，这暗示着在资产以不同频率交易时，市场表现出更大的独立性。至关重要的是，研究发现，多元化可以成功地降低具有 低 IFC 同步交易对的风险。此外，当 较大市值加密货币以较高频率交易 时，异步交易中的风险降低几乎总是可以实现的，这对希望进行策略性投资的交易者具有重要意义。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/227

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Cryptocurrency Competition and Market Concentration in the Presence of Network EffectsSummary该研究文章探讨了网络效应（即产品价值随用户群增长而增加的原则）在加密货币市场中的存在及其影响。作者仔细分析了包括比特币和以太坊在内的六种不同加密货币，在较长时期内价值指标（如价格）与用户指标之间的关系。该分析旨在检验传统理论，即强大的网络效应应导致较高的市场集中度，确立先发优势，并作为可靠的估值工具。然而，与这些预期相反，研究表明加密货币中的网络效应往往不一致，因此无法可靠地预测未来估值。最重要的是，作者总结认为这些效应并未赋予任何单一加密货币明确的竞争优势，也未推动市场走向赢家通吃的寡头垄断结构。因此，尽管网络效应确实存在，但它们尚未成为塑造整个加密货币市场的决定性特征。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/226

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：On the Intraday Behavior of BitcoinSummary本研究文章分析了 2015 年至 2018 年间比特币的盘中行为，并将其市场特征与传统金融资产进行了比较。分析证实，比特币与股票或外汇等传统市场一样，表现出极高的波动性和显著的波动性聚集现象。然而，主要的发现是中等频率回报（例如一小时、两小时和四小时间隔）中出乎意料地存在 显著的负一阶自相关性，这表明价格存在系统性的均值回归。作者推测，这种偏离常规的模式指向市场效率低下，可能源于包括 投资者过度反应、市场过度波动以及高杠杆交易导致的 级联清算 等因素。为了突显这种短期可预测性的利用潜力，研究通过回溯测试一个简单的统计套利策略，证明了其在价格急剧变动后具有盈利能力。研究结果对加密货币市场的交易者和交易所具有重要意义，并暗示该市场的成熟度仍有提升空间。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/213

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Enhancing Electronic Voting with a Dual-Blockchain ArchitectureSummary这篇研究文章提出了解决传统电子投票系统固有安全漏洞和选民不信任问题的方案。作者设计了一种双区块链架构来增强选举的公正性，其核心是通过将选民身份数据与选票数据分离来保障选民的秘密投票权。具体来说，选民区块链负责管理资格和选票领取凭证，而选票区块链则记录实际投出的选票。研究的主要贡献还包括引入了一种专门针对分布式电子投票网络设计的、基于时间的共识算法，以确保交易审计跟踪的可靠性。为了验证该设计，研究人员构建了一个软件原型，并模拟了包括选民欺诈和基础设施攻击在内的多种情景，证明该系统达到了其透明度和安全性的目标。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/199

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Bitcoin Returns and the Frequency of Daily Abnormal ReturnsSummary这篇研究文章考察了从2013年6月至2020年2月期间，比特币回报与每日异常回报频率之间的关系。作者采用了多种计量经济学模型，如OLS、ARMAX和分段线性回归，来评估比特币价格的可预测性。核心目的是检验是否可以利用特定的价格模式，从而为挑战传统的有效市场假说（EMH）提供证据。研究发现，异常回报的频率确实能够为价格动态提供信息，并且就单一模型而言，分段线性模型表现最优。然而，在预测准确性方面，一个由前五名模型加权组合而成的“共识”预测模型最终超越了所有单独的模型。这些结果表明比特币市场存在低效性，为学者提供了新的研究方向，也为交易者提供了可用于设计盈利策略的实用信息。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/216

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：New Crypto-Secured Lending System with a Two-Way Collateral FunctionSummary该研究论文提出了一种新型的加密货币担保贷款系统，它引入了双向抵押功能，旨在解决传统加密货币担保贷款中抵押品价值仅随价格上涨而增加的单向获利结构问题。通过这种新功能，借款人可以根据市场预测选择抵押品的投资方向和比例，从而在抵押品价格上涨或下跌时都能获得利润。文章详细解释了该系统的工作原理，包括贷款金额的确定和强制清算机制，并引入了A-COIN稳定币作为贷款支付媒介。作者指出，这一创新系统的优势在于能提供更大的贷款额度和降低抵押品价格波动的风险，因为它纳入了传统贷款系统所没有的对冲部分。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/215

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Benchmarking Bitcoin Adoption in Canada: Awareness, Ownership and Usage in 2018Summary该研究文章题为**“加拿大比特币采用基准：2018 年的意识、所有权和使用情况”，主要介绍了加拿大中央银行对比特币等加密资产采用趋势的监测结果。文章分析了2016 年至 2018 年间**，加拿大公众对比特币的认知度、拥有率和使用情况的变化，发现认知度和拥有率均有所上升。数据还揭示了拥有比特币的主要原因仍是投机，尽管比例略有下降，同时还探讨了比特币采用者在金融素养和现金持有量方面与普通加拿大人的不同。此外，研究详细描述了2018 年比特币综合调查 (BTCOS) 的方法论改进，并提供了按人口统计学特征划分的意识和所有权数据。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/206

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Difficulty Scaling in Proof of Work for Decentralized Problem SolvingSummary该研究论文提出了一种名为 DIPS（基于难度的激励问题解决） 的新颖协议，旨在修改比特币的工作量证明（PoW）算法，以激励矿工解决具有科学意义的优化问题。 DIPS 通过在找到优化改进时降低区块哈希难度，将区块链的部分计算资源从纯哈希挖掘重定向到科学计算，从而减少能源浪费。文章比较了 DIPS 与其前身 Oliver et al. 协议，指出 DIPS 采用独立的难度更新机制，即使问题难度增加，也能更好地激励解决问题。 模拟结果表明，DIPS 成功地将哈希算力转移到解决 NP 完全问题，例如最大团问题，同时文章也讨论了如 Bubka 攻击等潜在安全问题和未来整合新科学问题所需的工作。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/194

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Are Smart Contracts and Blockchains Suitable for Decentralized Railway Control?Summary该研究文章探讨了智能合约和区块链技术是否适用于去中心化铁路控制系统，旨在提高运营的安全性和效率。文章首先指出传统铁路运营依赖中央控制，存在透明度、信任度低以及计量和计费功能不足等问题，而分布式账本技术（DLTs）能通过可审计性、防篡改和共识机制来解决这些不足。研究团队提出了一种基于区块链的原型实施方案，以实现列车自主寻找路径和进行决策的去中心化控制，同时确保整个系统安全且无冲突。该方案还支持列车与列车/机器与机器（M2M）的经济模式，例如列车可以直接向基础设施元素支付使用费，并为状态监测和预测性维护提供了一个生命周期方法。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/158

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Barter Machine: An Autonomous, Distributed Barter Exchange on the Ethereum BlockchainSummary该研究论文介绍了 BarterMachine，这是一个在 Ethereum 区块链 上实现的 分布式和自主的直接物物交换 平台。该系统旨在使用 Solidity 智能合约 来促进 ERC20 和 ERC721 代币 的交易，解决了传统物物交换中“难以找到双重需求巧合”的问题。BarterMachine 通过众包机制运作，由运行本地求解器的用户提交可行的交易解决方案，并以 剩余代币 作为激励。虽然寻找包含多个代币的物物交换解决方案通常是 NP-hard 问题，但该系统专注于提供托管和交换服务，同时通过精心设计的功能（如 SubmitSoln）来最大程度地减少 以太坊 gas 成本。该文还描述了一个基于 MetaMask 的 网络用户界面原型，并报告了智能合约功能及其相关的 gas 消耗和求解时间。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/148

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Real-Time Block Rate TargetingSummary该研究论文介绍了一种名为实时目标调整 (RTT) 的新型工作量证明区块链区块生产率重定向算法。这种方法旨在通过在寻找区块的过程中实时调整哈希目标来解决传统难度调整算法（例如比特币使用的算法）的响应性差和稳定性问题。与依赖过去区块时间平均值的传统方法不同，RTT 算法仅使用最新区块的内部时间作为输入，并采用非线性响应来更快地适应不断变化的哈希率。这种新方法使得可以实施更严格的时间戳有效性规则，并确保矿工有动力使用准确的时间戳，从而可能提高区块链作为时间戳机器的有效性。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/195

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：Legitimizing Bitcoin as a Currency and Store of Value: Using Discrete Monetary Units to Consolidate Value and Drive Market GrowthSummary该研究文章讨论了比特币在获得政府、金融机构和消费者认可方面所面临的挑战，主要原因在于其价值不稳定和作为交易媒介的复杂性。作者提出，解决这一问题的方法是改变比特币的计价单位，采用“Bit”或“Satoshi”等更小、更容易理解的离散货币单位，以利用认知心理学中的**“整数偏差理论”。该理论表明，人们在交易中更倾向于使用整数而非小数，而比特币当前单位价值过高，导致日常交易中涉及的小数位数过多，造成了认知障碍。文章回顾了社区中关于采用更小单位的历史提议**，并建议交易所和钱包等具有影响力的机构进行协调，以推动这一变革，从而促进比特币被更广泛地用作日常货币。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/167

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。今天的主题是：A Blockchain Enhanced Framework for Social NetworkingSummary该文章提出了一种区块链增强版社交网络站点（BEV-SNS）框架，旨在解决现有社交网络中用户对内容缺乏控制和价值的问题。作者探讨了社交媒体的普及以及用户生成内容的挑战，例如内容归属和身份验证，尤其是在涉及匿名用户、机器人和物联网设备的混合数字空间中。BEV-SNS 框架利用区块链技术来确保安全、可信赖的交易和记录保存，允许用户设定分享偏好并根据其行为获得奖励。文章还讨论了将区块链应用于机器人系统和物联网设备的相关工作，并分析了该框架在激励用户行为和解决潜在局限性（如恶意机器人和奖励算法设计）方面的挑战。原文链接：https://ledgerjournal.org/ojs/ledger/article/view/178