論文の概要: Paper Agents, Paper Gains: An Empirical Analysis of DeFi Investment Agents
- arxiv url: http://arxiv.org/abs/2605.29174v1
- Date: Wed, 27 May 2026 23:21:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-30 02:45:55.55689
- Title: Paper Agents, Paper Gains: An Empirical Analysis of DeFi Investment Agents
- Title（参考訳）: 紙エージェントと紙利得:DeFi投資エージェントの実証分析
- Authors: Jay Yu, Amy Zhao, Danning Sui,
- Abstract要約: 自律的オンチェーン取引にAIを使用するシステムであるDeFi投資エージェントは、2024年後半から30億ドル(約3100億円)のトークンバリュエーションを達成している。
我々は1,900以上のAIタグ付き暗号プロジェクトを調査し、投資中心のエージェントにフィルターをかけ、戦略と可観測性にまたがる10の代表的なプロジェクトをキュレートした。
- 参考スコア（独自算出の注目度）: 1.2615560815195466
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: DeFi investment agents, systems that use AI for autonomous on-chain trading, have attained over USD 3 billion in combined token valuations since late 2024. We survey over 1,900 AI-tagged crypto projects, filter to investment-focused agents, and curate 10 representative projects spanning strategy and observability dimensions. We then conduct a deep-dive architectural analysis of two prominent agent frameworks, ElizaOS and Virtuals Protocol, and a quantitative on-chain performance analysis of 11 Solana-based agent treasuries with publicly attributable trading activity, covering 925,323 token holders. We find that current deployments remain early and heterogeneous: (1) in our sample, many projects do not yet provide clear evidence of autonomous trade execution, and developer interviews suggest that many visible deployments remain basic API integrations; (2) agent treasuries retain over USD 30M in paper gains while token holders collectively lost USD 191.7M, with the top 1% of wallets capturing 81.4% of all gains (USD 1.81B); (3) token valuations are weakly connected to treasury fundamentals, with market-cap-to-AUM ratios exceeding 10,000x versus below 1x for established DeFi protocols; and (4) aggregate user gains peaked at USD 2.4B before declining to net losses, with median returns negative on every platform and tokens declining 93% on average from all-time highs. We interpret these outcomes as characteristic of a permissionless, first-generation market in which open infrastructure enables rapid experimentation but also allows naive or speculative agents to launch before robust standards for autonomy, performance, and stakeholder alignment emerge. We therefore propose a maturity framework along three dimensions: autonomous execution, risk-adjusted profitability, and stakeholder alignment, to characterize the gap between current deployments and future investment-grade agent systems.
- Abstract（参考訳）: 自律的オンチェーン取引にAIを使用するシステムであるDeFi投資エージェントは、2024年後半から30億ドル(約3100億円)のトークンバリュエーションを達成している。
我々は1,900以上のAIタグ付き暗号プロジェクトを調査し、投資中心のエージェントにフィルターをかけ、戦略と可観測性にまたがる10の代表的なプロジェクトをキュレートした。
次に、ElizaOSとVirtuals Protocolという2つの著名なエージェントフレームワークの詳細なアーキテクチャ分析を行い、925,323のトークン保持者を対象とした、公的な取引活動を伴う11のSolanaエージェント宝庫の量的オンチェーンパフォーマンス分析を行った。
当社の例では、多くのプロジェクトがまだ自律的な貿易実行の明確な証拠を提供しておらず、開発者インタビューでは、多くの可視的デプロイメントが基本的なAPI統合を維持していることを示唆している。 2) エージェントトレサリーがUSD 30Mを上回り、トークン保有者が合計でUSD 191.7Mを失い、上位1%のウォレットが81.4%(USD 1.81B)を捕獲している。
我々は、これらの成果を、オープンインフラストラクチャが迅速な実験を可能にする、無許可の第1世代の市場の特徴として解釈すると同時に、自律性、パフォーマンス、利害関係者の整合性に関する堅牢な基準が出現する前に、単純かつ投機的なエージェントを起動することを可能にする。
そこで我々は,自律実行,リスク調整による収益性,利害関係者の整合性という3つの側面に沿った成熟度枠組みを提案し,現在の展開と将来の投資グレードエージェントシステムとのギャップを特徴づける。
関連論文リスト
- STEP3-VL-10B Technical Report [115.89015065130127]
STEP3-VL-10Bは、コンパクト効率とフロンティアレベルのマルチモーダルインテリジェンスとのトレードオフを再定義する軽量基盤モデルである。
そこで我々はPallel Coordinated Reasoning(PaCoRe)を実装して,テスト時間計算をスケールし,リソースをスケーラブルな知覚推論に割り当てる。
MMBenchでは92.2%、MMMUでは80.11%、AIME2025では94.43%、MathVisionでは75.95%である。
論文 参考訳（メタデータ） (2026-01-14T17:58:24Z) - Comparing AI Agents to Cybersecurity Professionals in Real-World Penetration Testing [83.48116811975787]
我々は、人間のサイバーセキュリティ専門家に対するAIエージェントの包括的な評価を初めて提示する。
我々は、既存の6人のAIエージェントと、新しいエージェントの足場であるARTEMISとともに、10人のサイバーセキュリティ専門家を評価します。
ARTEMISは総合的に第2位で、9つの有効な脆弱性と82%の有効な提出率を発見した。
論文 参考訳（メタデータ） (2025-12-10T18:12:29Z) - When Agents Trade: Live Multi-Market Trading Benchmark for LLM Agents [74.55061622246824]
Agent Market Arena (AMA)は、LLM(Large Language Model)ベースのトレーディングエージェントを評価するための、初めてのリアルタイムベンチマークである。
AMAは、検証済みのトレーディングデータ、専門家チェックされたニュース、および統一されたトレーディングフレームワーク内に多様なエージェントアーキテクチャを統合する。
GPT-4o、GPT-4.1、Claude-3.5-haiku、Claude-sonnet-4、Gemini-2.0-flashにまたがる薬剤を評価する。
論文 参考訳（メタデータ） (2025-10-13T17:54:09Z) - AI Agent Architecture for Decentralized Trading of Alternative Assets [2.8195433571821162]
GoldMine OSは、ブロックチェーンベースのStablecoin("OZ")への物理的な金のトークン化と交換を自動化するために、複数の専門的AIエージェントを使用する研究指向アーキテクチャである。
本稿では,4つの協調エージェント(コンプライアンス,トークン発行,マーケットメイキング,リスクコントロール)とコーディネートコアについて述べる。
実験では、プロトタイプは需要トークンを1.2秒未満で提供し、手動よりも100倍以上高速である。
論文 参考訳（メタデータ） (2025-07-15T09:11:19Z) - Building crypto portfolios with agentic AI [46.348283638884425]
暗号通貨市場の急速な成長は投資家に新たな機会を与えたが、同時に高いボラティリティがもたらされた。
本稿では,暗号アロケーションを自律的に構築し,評価するためのマルチエージェントシステムの実用化について述べる。
論文 参考訳（メタデータ） (2025-07-11T18:03:51Z) - AI Agent Smart Contract Exploit Generation [8.69235891205913]
A1は、いかなる大規模言語モデルもエンドツーエンドのエクスプロイトジェネレータに変換するエージェントシステムである。
A1は、自律的な脆弱性発見のための6つのドメイン固有のツールを提供する。
我々は、A1がエクスプロイト当たり最大8.59億ドル、合計9.33億ドルを抽出していることを示す。
論文 参考訳（メタデータ） (2025-07-08T00:45:26Z) - HedgeAgents: A Balanced-aware Multi-agent Financial Trading System [20.48571388047213]
大規模言語モデル(LLM)とエージェントベースのモデルは、リアルタイム市場分析と取引決定において有望な可能性を秘めている。
急激な減少や頻繁な変動に直面すると、依然として顕著な-20%の損失を経験する。
本稿では,ロバストネスの戦略を強化することを目的とした,革新的なマルチエージェントシステムであるHedgeAgentsを紹介する。
論文 参考訳（メタデータ） (2025-02-17T04:13:19Z) - Quantifying A Firm's AI Engagement: Constructing Objective, Data-Driven, AI Stock Indices Using 10-K Filings [0.0]
本稿では,自然言語処理(NLP)技術を用いたAIストックの分類手法を提案する。
2011年から2023年の間に3,395社のNASDAQ上場企業の年間10-K申請を分析した。
これらの指標を用いて、等重AI指数(AII)、大きさ重AI指数(SAII)、時間割AI指数(TAII05とTAII5X)の4つのAIストック指標を構築した。
論文 参考訳（メタデータ） (2025-01-03T11:27:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。