Resumen: Las finanzas descentralizadas exponen a los supervisores a riesgos crediticios interconectados y en rápida evolución. Los agentes de LLM de propósito general no se adaptan bien a este entorno: sobreinterpretan evidencia débil y recomiendan intervenciones de alto riesgo, mientras que las evaluaciones existentes no ofrecen una forma alineada con los reguladores para medir las falsas alarmas resultantes. Presentamos DeXposure-Claw, un sistema de supervisión agente basado en pronósticos que dirige las decisiones de LLM a través de evidencia estructurada: (1) DeXposure-FM, un modelo básico de gráficos de series de tiempo, pronostica redes de exposición futuras; (2) los monitores deterministas y los escenarios de estrés convierten esos pronósticos en alertas escritas, señales de atribución y evidencia de escenarios; y (3) las puertas de confianza y estado de los datos limitan la escalada antes de que DeXposure-Claw emita tickets de supervisión auditables con fundamentos. Desarrollamos aún más DeXposure-Bench, un arnés de evaluación de seis ejes, cuyo eje de decisión califica los tickets contra una verdad básica de pérdida absoluta alineada con el regulador y una tasa explícita de intervención falsa. Los experimentos realizados con cinco años de datos reales semanales respaldan plenamente nuestro sistema. El código está en esta URL https.
Publicado originalmente en export.arxiv.org el 18 de junio de 2026.
Ver fuente original
