一句话看懂：arXiv 上一篇新论文提出用“执行一致性”评测 AI 写的智能合约，并主张在生成代码前先向客户追问需求；摘要称，先问需求比事后审查更能减少“代码能跑但行为不对”的问题。
事件核心：发生了什么
2026 年 10 月 30 日发表于 arXiv cs.AI 的论文 arXiv:2610.37830，研究 AI 智能体根据自然语言描述生成智能合约时，意图在哪里丢失。作者没有用 AI 评委或常规静态分析做判断，而是把同一批交易分别回放到 AI 生成的合约和原始合约上，统计两者执行结果的一致率；他们用植入已知错误的合约检验每种评分工具，并用不参考原始描述的答案键做对照。
摘要给出的结论是：常见的 AI 评判和标准分析工具会漏掉明显错误，评分口径本身也会影响结果；只检查所有系统都覆盖的函数，会掩盖不同生成流程之间约一半的差异。作者随后提出“先引导需求”的架构：写代码前让智能体向客户问一份简短清单，再对照独立编写的可执行答案键检查结果，把分歧交还客户，而不是静默重写。摘要称，在三个 AI 模型上，先提问的效果明显强于事后审查或打补丁，而自动安全修复常常会破坏原本要求的行为。
为什么重要
智能合约一旦部署就难以修改，又直接管理链上资产，因此“能运行”与“按意图运行”之间的差距代价很高。这篇论文的价值在于把评测从主观打分转向可执行的交易回放，并公开 600 个任务、工具和全部结果，方便其他研究者复现和比较。它也提示，对 AI 编程智能体而言，需求澄清环节可能比生成后的代码审查更关键。
对用户/开发者/创作者的影响
对开发者，这意味着用大模型生成 Solidity 等合约代码时，不能只看代码是否编译通过；应准备可执行的测试用例作为“答案键”，并在需求阶段就把边界条件问清楚。对使用 AI 辅助开发 Web3 应用的团队，把自动安全修复直接合入可能改变业务逻辑，需要人工确认。对普通用户，目前公开信息仅来自论文摘要，尚未核验全文实验，也还不能据此判断哪家工具更安全。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 600 个任务和评测工具是否被后续研究或开发者社区采用；二是“先提问”架构能否在真实客户流程中落地，而不是只在实验环境有效；三是自动安全修复破坏需求行为的问题，是否会被主流智能合约开发工具链纳入默认检查。
来源：arXiv cs.AI
