随着区块链技术的快速发展，智能合同安全已成为一个关键的挑战。现有的智能合同漏洞检测方法面临三个主要问题：（1）数据集质量不足，缺乏详细的解释和精确的漏洞位置。 （2）大多数LLM在常规文本数据中预先培训，但最小的智能合约数据已预先培训，但大多数LLM都对智能合同领域的适应性有限 ...

智能合约代码摘要对于有效的维护和缓解脆弱性至关重要。尽管许多研究使用大型语言模型（LLM）进行摘要，但与Codet5+和Codebert（Codeber）等微调模型相比，它们的性能仍然短缺。某些方法将LLM与数据流分析结合在一起，但无法完全捕获代码的层次结构和控制结构，从而导致信息丢失和降级摘要质量 ...

大型语言模型（LLM）开发的集中化为AI进步造成了重大障碍，限制了这些强大技术的民主化。这种集中化，再加上高质量培训数据的稀缺性以及在快速扩展的知识领域中保持全面专业知识的复杂性，对LLM的持续增长构成了关键的挑战。虽然诸如检索型发电（RAG）之类的解决方案提供了潜在的补救措施，但在不同领域中保持最新的专家知识仍然是一个重大挑战，尤其是考虑到专业信息的指数增长 ...

近年来，llm）chatgpt因其强大的涌现能力而受到广泛关注。一些研究人员认为，llm 有可能取代知识图（ kg）等结构化知识库 ...

Web 3.0是通过分布式技术重建的互联网的新一代，它重点介绍数据所有权和价值表达。此外，它的运作是根据用户而不是大型公司拥有和控制数据和数字资产的原则 ...

攻击公平是至关重要的，因为受损的模型可以引入偏见的结果，破坏信任并扩大招聘，医疗保健和执法等敏感应用的不平等现象。这凸显了迫切需要了解如何利用公平机制并开发确保公平和稳健性的防御能力。我们介绍了Badfair，这是一种新型的后式公平攻击方法 ...

由数据扩展定律驱动的大语言模型（LLM）的表现出现使得选择培训数据的选择越来越重要。但是，现有的方法依赖于有限的启发式方法和人类直觉，缺乏全面而明确的准则。为了解决这个问题，我们受到``反向思维''的启发 - 促使LLMS自我识别哪些标准有益于其性能 ...

如Web 3.0的运动和即将推出的Web 4.0，World Wide Web正在加快其步伐成一个智能和分散的生态系统 ...