提出CryptoFlowBench基准与ChainSleuth方法

2026年10月15日，arXiv Artificial Intelligence 刊出研究团队（Runang He 等作者）的工作：提出加密货币资金追踪基准 CryptoFlowBench，以及图工具增强的智能体 ChainSleuth。据该报道，CryptoFlowBench 基于加密货币非法事件的权威报告构建，包含从局部到多跳资金追踪的四项任务；现有学习方法和启发式方法在复杂多跳场景下均面临显著挑战。ChainSleuth 通过迭代推理、调用图工具并更新追踪轨迹，在多跳任务上取得明显提升。实验显示，没有任何基线能稳定主导全部四项任务，揭示局部欺诈检测与多跳资金追踪之间存在明显差距。目前进展限于该基准与方法的提出及初步实验结论，报道未提及后续更新或独立复现情况。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。