Newest papers

Towards an Intelligent Decision Engine for Smart Contract Deployment

Oana-Otilia Captarencu, Emanuel Onica, Andrei Arusoaie · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.24198 · cited by 0 works (OpenAlex) · open-access PDF

Portuguese

As soluções de blockchain da camada 2 (L2) surgiram nos últimos anos, predominantemente no ecossistema Ethereum, como uma opção viável para a escala de uma rede blockchain principal (L1). No entanto, a escolha de uma solução L2 para a implantação de contratos inteligentes apoiando aplicações blockchain é uma decisão que depende de muitos fatores, como custo, eficiência, popularidade e estabilidade. Propomos aqui uma metodologia sistemática para ajudar com este processo de tomada de decisão usando um conjunto de métricas relevantes e introduzindo perfis definidos pelo usuário que capturam diferentes prioridades entre essas métricas. Coletamos as principais categorias de contratos inteligentes de uma fonte de dados mantida pela comunidade e coletamos transações por um período de seis meses de três principais soluções L2: Arbitrum, Optimismo e Base.

Machine translation (Meta M2M100); the English original follows.

Abstract

Layer 2 (L2) blockchain solutions emerged in recent years, predominantly in the Ethereum ecosystem, as a viable option for scaling a main blockchain network (L1). However, the selection of a L2 solution for deploying smart contracts backing blockchain applications is a decision that depends on many factors, such as costs, efficiency, popularity, and stability. We propose here a systematic methodology to help with this decision making process by using a set of relevant metrics and introducing user-defined profiles that capture different priorities among these metrics. We collect the major categories of smart contracts from a community-maintained data source, and we gather transactions for a six months period from three major L2 solutions: Arbitrum, Optimism, and Base. For each contract category and each blockchain, we compute a set of metrics and scores tailored to each user profile. By applying our methodology, we identify a clear bias in the classification, showing which L2 solutions are better suited for particular application types and user profiles.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Computer science, Software deployment, Set (abstract data type), Process (computing), Blockchain, Smart contract

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange