La Chambre des représentants a récemment fait avancer un nouveau projet de loi majeur sur la "structure du marché" avec un soutien bipartisan écrasant (294 contre 134, avec 78 démocrates en faveur). Ce projet de loi, le Digital Asset Market Clarity Act ou "CLARITY Act" (HR 3633), établirait un cadre réglementaire clair pour les marchés d'actifs numériques. Le projet de loi progresse maintenant au Sénat, qui travaille sur sa propre version de la législation sur la structure du marché, qui sera informée par CLARITY. S'il est adopté, ce projet de loi établira des règles claires pour les systèmes blockchain — mettant fin aux années d'incertitude qui ont étouffé l'innovation, exposé les consommateurs à des risques et favorisé les profiteurs privilégiant l'opacité plutôt que les entrepreneurs poursuivant la transparence. Comme la Securities Act de 1933, qui a établi des protections pour les investisseurs et a alimenté un siècle de formation de capital aux États-Unis, le CLARITY Act pourrait être une loi générationnelle. Lorsque nos cadres juridiques sont conçus pour favoriser à la fois l'innovation et protéger les consommateurs, l'Amérique mène — et le monde en bénéficie. CLARITY est ce type d'opportunité. Bien que cette législation s'appuie sur l'élan bipartisan du projet de loi FIT21 de l'année dernière, CLARITY l'améliore de plusieurs manières clés, que nous décrivons ci-dessous : couvrant ce que les bâtisseurs doivent savoir, et pourquoi ce projet de loi est crucial pour aligner innovation, protection des consommateurs et sécurité nationale des États-Unis. En savoir plus sur le CLARITY Act dans le fil ci-dessous. Et trouvez le post complet de @milesjennings & Aiden Slavin :

+1 pour "l'ingénierie du contexte" plutôt que "l'ingénierie des invites". Les gens associent les invites à de courtes descriptions de tâches que vous donneriez à un LLM dans votre utilisation quotidienne. Alors que dans chaque application LLM de qualité industrielle, l'ingénierie du contexte est l'art et la science délicats de remplir la fenêtre de contexte avec juste les bonnes informations pour l'étape suivante. Science, car bien faire cela implique des descriptions de tâches et des explications, quelques exemples, RAG, des données connexes (possiblement multimodales), des outils, l'état et l'historique, la compression... Trop peu ou sous une forme incorrecte et le LLM n'a pas le bon contexte pour une performance optimale. Trop ou trop peu pertinent et les coûts du LLM pourraient augmenter et la performance pourrait diminuer. Bien faire cela est hautement non trivial. Et art, à cause de l'intuition directrice autour de la psychologie des LLM et des esprits des gens. En plus de l'ingénierie du contexte elle-même, une application LLM doit : - décomposer les problèmes de manière appropriée en flux de contrôle - remplir les fenêtres de contexte de manière appropriée - dispatcher des appels aux LLM du bon type et de la bonne capacité - gérer les flux UIUX de génération-vérification - beaucoup plus - garde-fous, sécurité, évaluations, parallélisme, préchargement, ... Ainsi, l'ingénierie du contexte n'est qu'un petit morceau d'une couche épaisse de logiciels non triviaux qui coordonne les appels individuels aux LLM (et bien plus) en applications LLM complètes. Le terme "wrapper ChatGPT" est fatigué et vraiment, vraiment faux.