Sněmovna reprezentantů nedávno předložila nový významný zákon o "tržní struktuře" s drtivou podporou obou stran (294 ku 134, 78 demokratů pro). Tento návrh zákona, zákon o srozumitelnosti trhu s digitálními aktivy nebo "zákon o srozumitelnosti" (HR 3633), by vytvořil jasný regulační rámec pro trhy s digitálními aktivy. Návrh zákona nyní postupuje do Senátu, který pracuje na své vlastní verzi legislativy o struktuře trhu, která bude informována o CLARITY. Pokud bude tento zákon schválen, stanoví jasná pravidla pro blockchainové systémy – ukončí roky nejistoty, které dusily inovace, vystavovaly spotřebitele újmě a upřednostňovaly šmelináře před podnikateli usilujícími o transparentnost. Stejně jako zákon o cenných papírech z roku 1933, který zavedl ochranu investorů a poháněl století tvorby amerického kapitálu, by zákon CLARITY Act mohl být generačním zákonem. Když jsou naše právní rámce navrženy tak, aby podporovaly inovace a chránily spotřebitele, Amerika vede – a svět z toho má prospěch. CLARITY je taková příležitost. I když tato legislativa staví na oboustranné dynamice loňského návrhu zákona FIT21, CLARITY jej vylepšuje v několika klíčových ohledech, které nastíníme níže: pokrývá to, co stavitelé potřebují vědět a proč je tento zákon zásadní pro sladění inovací, ochrany spotřebitelů a národní bezpečnosti USA. Více informací o zákonu CLARITY Act najdete ve vlákně níže. A najděte celý příspěvek od @milesjennings & Aidena Slavinových:

+1 pro "kontextové inženýrství" před "promptním inženýrstvím". Lidé si spojují výzvy s krátkými popisy úkolů, které byste dali LLM ve svém každodenním používání. Když v každé průmyslové aplikaci LLM je kontextové inženýrství delikátním uměním a vědou naplnění kontextového okna těmi správnými informacemi pro další krok. Věda proto, že dělat to správně zahrnuje popisy a vysvětlení úkolů, pár příkladů záběrů, RAG, související (možná multimodální) data, nástroje, stav a historii, zhutňování... Příliš málo nebo špatné formy a LLM nemá správný kontext pro optimální výkon. Příliš mnoho nebo příliš irelevantní a náklady na LLM mohou vzrůst a výkon může klesnout. Dělat to dobře je vysoce netriviální. A umění, protože vůdčí intuice kolem LLM psychologie lidí, duchů. Kromě samotného kontextového inženýrství musí LLM aplikace: - rozdělte problémy přesně na toky řízení - zabalte kontextová okna tak akorát - dispečerské hovory na LLM správného druhu a schopností - zpracovávat toky UIUX pro ověřování generování a ověřování - mnohem více - svodidla, zabezpečení, vyhodnocení, paralelismus, přednačítání, ... Kontextové inženýrství je tedy jen jedním malým kouskem vznikající tlusté vrstvy netriviálního softwaru, který koordinuje jednotlivá volání LLM (a mnohem více) do plných LLM aplikací. Termín "obal ChatGPT" je otřepaný a opravdu, opravdu špatný.