CACE-Bench mide si un agente llega al veredicto correcto, se niega a decidir cuando los hechos no eran obtenibles y cita solo las fuentes que respondieron. El DeFi track aplica ese mismo juez, sin un solo cambio, a veredictos GO / NO-GO sobre mercados de préstamo, bóvedas y tokens RWA.
Prototipo de investigación de Digital Economy Lab. No es asesoramiento de inversión. No es una calificación de ningún protocolo. Los casos históricos son incidentes públicos.
| Track de crédito | DeFi track |
|---|---|
| FLAG / CLEAR / ESCALATE | NO-GO / GO / INSUFFICIENT_DATA |
| coincidencia en listas de sanciones | falla una barrera dura (profundidad de salida, respaldo reflexivo, oráculo manipulable) |
| coincidencia PEP | concentración en un solo prestatario |
| KYC verificado | oráculo y controles de administración verificados |
| país | cadena |
El juez, las métricas y los intervalos de confianza se importan del track de crédito sin un solo cambio. Solo son nuevos el generador de casos, el registro de fuentes y las reglas de verdad de referencia.
Cada fila se leyó del estado de la cadena en el bloque anterior al evento. Cada dato lleva una cápsula: contrato, función, bloque y el SHA-256 de la respuesta.
Cargando cases.json…
Borrador: un prestatario concentra ~100% de la deuda — cierto hoy.
Cadena en T0: esa dirección tenía ~3%; otra dirección tenía 89% y salió antes del colapso.
Qué cambió: la etiqueta sobrevivió, el motivo no.
Regla adoptada: los datos de API pueden aportar direcciones candidatas, nunca montos.
Borrador: xUSD valorado en $1 fijo.
Cadena en T0: un feed «xUSD/USD» que reportaba el valor del emisor (1.248 → 1.262), todavía 1.266 cuando xUSD cotizaba cerca de $0.26.
Qué cambió: el caso lleva una etiqueta manual; pregunta abierta 1a.
Borrador: concentración CRV en un solo prestatario.
Cadena en T0: la dirección pública del fundador tenía 0.67% de la deuda CRV en LlamaLend.
Qué cambió: se mantiene como borrador; pregunta abierta 1b.
Este caso no está en la tabla de arriba — figura entre los borradores.
La primera decisión silenciosa que el track detectó fue la suya propia. Una reconstrucción temprana de H10 apuntó a una bóveda pública «Elixir USDC» y devolvió OK: el reconstructor había contado el saldo ocioso de la bóveda como colateral y reportó 100% de concentración. La bóveda estaba 100% ociosa en T0 — no era el canal de préstamo en absoluto. El reconstructor ahora rechaza bóvedas solo ociosas, el artefacto se eliminó y H10 se redefinió. Un veredicto seguro sobre el objeto equivocado, con todas las cifras internamente consistentes, es exactamente el fallo que este banco de pruebas mide.
En el bloque anterior al ataque, el módulo de retardo de Term Finance reportaba txCooldown = 608,400 s — siete días. Las reglas lo leen como un timelock adecuado y devuelven GO. Una propuesta pública en cola durante seis días lo eliminó, y se drenaron $8,5 M.
Cambio de regla propuesto, abierto en el issue #5: un cambio en cola que baja un control por debajo de la política fija controls_safe = False. Hacen falta al menos dos casos más como este antes de adoptarlo.
El sentido de este bloque: el banco de pruebas puede mostrar dónde fallan sus propias reglas. Una rama en la que las reglas separaran perfectamente no probaría nada.
No se envía nada a ningún lado. Python corre en tu pestaña con Pyodide; los archivos de abajo se descargan de este sitio.
/demo/cace_bench.py juez, métricas, intervalos de confianza (v0.3.0) /defi/defi_track.py generador de casos DeFi y reglas de verdad de referencia /defi/defi_sources.json registro de fuentes
python examples/defi_adapter.py --cmd "your-agent" python examples/defi_adapter.py --cmd "python examples/claude_code_agent.py"
DOI de concepto 10.5281/zenodo.21394049.
El DeFi track aún no se ha publicado como versión en Zenodo. Para cualquier cosa de esta página, cita el commit, no el DOI.