การกำกับดูแลความเสี่ยงในระบบ Decentralized Finance (DeFi) เป็นเรื่องท้าทายเนื่องจากความเสี่ยงด้านสินเชื่อมีการเปลี่ยนแปลงรวดเร็วและเชื่อมโยงกันเป็นเครือข่าย นักวิจัยพบว่าการใช้ LLM Agent ทั่วไปมักเกิดปัญหาการตีความหลักฐานที่อ่อนเกินไปจนนำไปสู่การเสนอมาตรการที่รุนแรงเกินเหตุ (False Alarms) จึงได้พัฒนา DeXposure-Claw ขึ้นมาเพื่อแก้ไขปัญหานี้
ระบบนี้ทำงานโดยการส่งต่อการตัดสินใจของ LLM ผ่านหลักฐานที่มีโครงสร้างชัดเจน เริ่มจากการใช้ DeXposure-FM ซึ่งเป็นโมเดลพื้นฐานแบบ Graph Time-Series ในการพยากรณ์เครือข่ายความเสี่ยงในอนาคต จากนั้นจะใช้ระบบตรวจสอบที่กำหนดกฎเกณฑ์ไว้ล่วงหน้า (Deterministic Monitors) เพื่อเปลี่ยนผลพยากรณ์ให้เป็นสัญญาณเตือนและหลักฐานเชิงสถานการณ์ ก่อนจะเข้าสู่ขั้นตอนตรวจสอบความถูกต้องของข้อมูล (Data-health) เพื่อให้มั่นใจว่ารายงานความเสี่ยงที่ออกมานั้นสามารถตรวจสอบย้อนหลังได้และมีความสมเหตุสมผล
