論文の概要: When LLM Architectures Meet Smart Contract Vulnerability Detection: a Replication Study

• arxiv url: http://arxiv.org/abs/2610.38621v1
• Date: Wed, 28 Oct 2026 10:42:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-03 09:18:49.11321
• Title: When LLM Architectures Meet Smart Contract Vulnerability Detection: a Replication Study
• Title（参考訳）: LLMアーキテクチャがスマートコントラクト脆弱性検出と出会う - レプリケーションスタディ
• Abstract要約: 本稿では,LLMに基づくスマートコントラクト脆弱性検出に関するChenらの研究を再現する。 GPT-4で報告したハイリコール,低精度検出パターンを含む,正確な再現性を確認した。 同じアーキテクチャファミリーの人たちも異なる振る舞いを示しており、アーキテクチャファミリだけでは検出プロファイルの予測に不十分であることを示している。
• 参考スコア（独自算出の注目度）: 0.9882467459513792
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Smart contracts are immutable programs deployed on blockchain platforms, where vulnerabilities can translate directly into financial loss. Among the techniques proposed for their detection, recent work has relied increasingly on Large Language Models (LLMs) guided by carefully crafted prompts. However, the evidence accumulated so far rests almost entirely on the dense Transformer architecture behind the GPT line and on model snapshots already scheduled for deprecation, leaving open the question of whether the reported behaviors reflect a general property of LLMs or an artifact of that specific design. This paper presents an extended replication of the empirical study by Chen et al. on LLM-based smart contract vulnerability detection. We replicate the original protocol on GPT-4 as a baseline, followed by a differentiated replication, executing the protocol on representative models based on Mixture-of-Experts and RNN-like designs, together with an attempted preliminary evaluation of State Space Models. The exact replication confirms the findings of Chen et al., including the high-recall, low-precision detection pattern they report on GPT-4. Nevertheless, the differentiated replication shows that this pattern does not transfer uniformly across the evaluated models. Those from the same architectural family may also exhibit different behaviors, indicating that architectural family alone is insufficient to predict the resulting detection profile. We observe the same qualitative dense-Transformer profile in both GPT-4 and Gemma-3, despite a gap of roughly two orders of magnitude in parameter counts, whereas two Mixture-of-Experts models from different lineages exhibit qualitatively divergent behaviors, indicating that architectural family alone is insufficient to predict the detection profile.
• Abstract（参考訳）: スマートコントラクトはブロックチェーンプラットフォームにデプロイされる不変プログラムである。 検出のために提案されたテクニックの中で、最近の研究は、慎重に作成されたプロンプトによってガイドされるLarge Language Models (LLMs) に依存している。 しかし、これまでに蓄積された証拠は、GPTラインの背後にある高密度トランスフォーマーアーキテクチャと、既に非推奨化を予定しているモデルスナップショットにほぼ完全に依存しており、報告された振る舞いがLCMの一般的な性質を反映しているか、あるいはその特定の設計の成果物を反映しているかという疑問が残る。 本稿では,LLMに基づくスマートコントラクトの脆弱性検出について,Chenらによる実証的研究を拡張して再現する。 我々は,GPT-4のプロトコルをベースラインとして再現し,その後に差別化された複製を行い,Mixture-of-ExpertsとRNNライクな設計に基づく代表モデル上でプロトコルを実行するとともに,ステートスペースモデルの予備的な評価を試みた。 正確な再現は、GPT-4で報告した高速かつ高精度な検出パターンを含むChen et al の発見を裏付けるものである。 それにもかかわらず、区別された複製は、このパターンが評価されたモデル間で一様に伝達されないことを示している。 同じアーキテクチャファミリーの人たちも異なる振る舞いを示しており、アーキテクチャファミリだけでは検出プロファイルの予測に不十分であることを示している。 GPT-4 と Gemma-3 では,パラメータ数に約2桁の差があるにもかかわらず,同じ定性的な密度変換器プロファイルが観察されている。

関連論文リスト

• The Shape of Ownership: Verifying LLM Provenance through Semantic Structures [38.16125764360159]
  ProSEを導入し、固定されたクエリセットをターゲットのセマンティックドメインに置き換え、応答キーをドメイン条件の応答として意味構造に置き換える。 PROSEは、ドメイン固有のセマンティックテンプレートのプライベートバンクを構築し、構造的検証とクリーン応答の混合微調整によってそれらを内部化し、保持された自然クエリに対する応答で指定された構造を検出してオーナシップを検証する。
  論文  参考訳（メタデータ） (2026-09-02T13:04:51Z)
• Two-Level vs. Multi-Level Modelling: An Empirical Study of Cascading Maintenance Burden [2.992535912564069]
  MLM(Multi-level modelling)は人工物を統一し、共進化の負担を軽減する。 両パラダイムの共進化行動について,事前登録,突然変異に基づく実証比較を行った。 この設計は、パラダイムレベルの構造的選択がカスケードメンテナンスの負担に影響を及ぼすかどうかを評価するための最初の経験的フレームワークを提供する。
  論文  参考訳（メタデータ） (2026-06-23T15:47:14Z)
• Gatekeepers and Hallucinations: A Layered Evaluation Framework for LLM-Driven Quantum Circuit Generation [0.0]
  材料インフォームド変分量子固有解器(VQE)回路生成のための階層評価フレームワークを提案する。 5つの異なるLCM障害モード(幾何学幻覚、存在しないAPI使用、統合障害、制約違反、検証不可能な出力)を分類する。 評価プラットフォーム自身のソースコードの法医学的な監査により、サイレントフォールバック・テンプレート置換によって、ハーネスに2つの明らかなモデル障害が生じたことが確認された。
  論文  参考訳（メタデータ） (2026-06-16T19:17:54Z)
• VerifyMAS: Hypothesis Verification for Failure Attribution in LLM Multi-Agent Systems [79.51005192758262]
  大規模言語モデル駆動型マルチエージェントシステムは複雑なタスクで優れている。 しかし、信頼性の低いエージェントは、システムレベルの信頼性にとって重要なボトルネックである。 本稿では,エージェント故障の帰属に関する仮説検証フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-17T14:09:35Z)
• CellScientist: Dual-Space Hierarchical Orchestration for Closed-Loop Refinement of Virtual Cell Models [62.281480231694]
  VCM(Virtual Cell Modeling)は、摂動応答を予測できるだけでなく、予測が失敗した場合にターゲットリビジョンをサポートするモデルを必要とする。 現在のLCM支援モデリングでは、予測誤差が実行可能実装を通して観測されるという改善ルーティング問題に直面している。 提案するCellScientistは,高レベル仮説空間と低レベル実行可能実装空間を結合した,二重空間階層型フレームワークである。
  論文  参考訳（メタデータ） (2026-05-08T06:40:24Z)
• Coordination as an Architectural Layer for LLM-Based Multi-Agent Systems [0.0]
  マルチエージェントLLMシステムは41%から87%の速度で生産に失敗する。 コーディネーションは、エージェントロジックと情報アクセスから分離可能なアーキテクチャ層として扱われるべきである、と我々は主張する。 我々はこれを予測市場における情報制御設計でインスタンス化する。
  論文  参考訳（メタデータ） (2026-05-05T02:56:44Z)
• AgentIAD: Tool-Augmented Single-Agent for Industrial Anomaly Detection [9.208080780536504]
  AgentIADは、多段階の視覚検査を可能にするツール駆動のフレームワークである。 AgentIADは、MMADの新しい最先端の97.62%の分類精度を達成する。
  論文  参考訳（メタデータ） (2025-12-15T18:57:04Z)
• Every Step Counts: Decoding Trajectories as Authorship Fingerprints of dLLMs [63.82840470917859]
  本稿では,dLLMの復号化機構をモデル属性の強力なツールとして利用できることを示す。 本稿では、デコードステップ間の構造的関係を捉え、モデル固有の振る舞いをよりよく明らかにする、DDM(Directed Decoding Map)と呼ばれる新しい情報抽出手法を提案する。
  論文  参考訳（メタデータ） (2025-10-02T06:25:10Z)
• RouteMark: A Fingerprint for Intellectual Property Attribution in Routing-based Model Merging [69.2230254959204]
  我々は,統合されたMoEモデルにおけるIP保護のためのフレームワークであるRouteMarkを提案する。 我々の重要な洞察は、タスク固有の専門家は、探索入力の下で安定かつ独特なルーティング行動を示すことである。 属性と改ざん検出のために,類似性に基づくマッチングアルゴリズムを導入する。
  論文  参考訳（メタデータ） (2025-08-03T14:51:58Z)
• BURN: Backdoor Unlearning via Adversarial Boundary Analysis [73.14147934175604]
  Backdoor Unlearningは、モデル本来の機能を保持しながら、バックドア関連の情報を削除することを目的としている。 本稿では, 偽相関疎結合, プログレッシブデータリファインメント, モデル浄化を統合した新しい防御フレームワーク, BURNによるバックドア・アンラーニングを提案する。
  論文  参考訳（メタデータ） (2025-07-14T17:13:06Z)
• AMR Parsing with Causal Hierarchical Attention and Pointers [54.382865897298046]
  因果的階層的注意とポインタ機構を備えた新しいAMR解析と新しいモデルCHAPを導入する。 実験の結果, 5つのベンチマークのうち4つのベースラインモデルでは, 追加データがない場合に, ベースラインモデルよりも優れた結果が得られた。
  論文  参考訳（メタデータ） (2023-10-18T13:44:26Z)

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。