ABF-Bench: benchmark verificable para la forense blockchain con agentes

Fuentes: ABF-Bench: A Verifiable Benchmark for Agentic Blockchain Forensics

ABF-Bench es un benchmark interactivo diseñado para evaluar la capacidad de los agentes de inteligencia artificial en la forense blockchain. A diferencia de las investigaciones tradicionales, que son adversariales y abiertas, este sistema convierte la trazabilidad de fondos en una tarea verificable donde cada movimiento debe citarse con registros específicos de la cadena de bloques. La herramienta se basa en un pipeline de caso a tarea que construye escenarios realistas a partir de actividades de lavado de dinero, incluyendo transferencias multi-salto, intercambios DeFi, viajes entre cadenas y depósitos en mezcladores o servicios custodiales.

El sistema introduce un 'harness' para agentes, centrado en la memoria de trabajo, que permite evaluar el rendimiento de los modelos frente a trazadores de orden fijo. Las pruebas demuestran que el harness alcanza un recall del 75% en casos límite, superando significativamente a Codex (47%) y Claude Code (10%), este último afectado por sobreconfianza. Además, el sistema identifica servicios custodiales no revelados con un 89% de precisión, una ventaja clave frente a los trazadores estándar. Aunque los agentes tienden a detenerse prematuramente en tareas complejas, ABF-Bench ofrece un dominio verificable para LLMs, proporcionando señales de entrenamiento valiosas para mejorar la capacidad de investigación autónoma en blockchains públicas.