Het Huis van Afgevaardigden heeft onlangs een belangrijke nieuwe "marktstructuur"-wet met overweldigende bipartisane steun (294 tegen 134, met 78 Democraten die steunen) goedgekeurd. Deze wet, de Digital Asset Market Clarity Act of "CLARITY Act" (HR 3633), zou een duidelijke regelgevende structuur voor digitale activamarkten vaststellen. De wet gaat nu naar de Senaat, die werkt aan zijn eigen versie van wetgeving over marktstructuur die geïnformeerd zal worden door CLARITY. Als deze wet wordt aangenomen, zal deze duidelijke regels voor blockchain-systemen vaststellen — waarmee de jaren van onzekerheid worden beëindigd die innovatie hebben verstikt, consumenten aan schade hebben blootgesteld en profiteurs hebben bevoordeeld die de voorkeur geven aan ondoorzichtigheid boven de ondernemers die transparantie nastreven. Net als de Securities Act van 1933, die investeringsbescherming vaststelde en een eeuw van kapitaalvorming in de VS mogelijk maakte, zou de CLARITY Act een generatiewet kunnen zijn. Wanneer onze juridische kaders zijn ontworpen om zowel innovatie te bevorderen als consumenten te beschermen, leidt Amerika — en de wereld profiteert. CLARITY is dat soort kans. Terwijl deze wetgeving voortbouwt op de bipartisane momentum van de FIT21-wet van vorig jaar, verbetert CLARITY deze op verschillende belangrijke manieren, die we hieronder uiteenzetten: wat de bouwers moeten weten en waarom deze wet cruciaal is voor het afstemmen van innovatie, consumentenbescherming en de nationale veiligheid van de VS. Leer meer over de CLARITY Act in de onderstaande thread. En vind de volledige post van @milesjennings & Aiden Slavin:

+1 voor "context engineering" boven "prompt engineering". Mensen associëren prompts met korte taakbeschrijvingen die je een LLM zou geven in je dagelijkse gebruik. Terwijl in elke industriële LLM-app, context engineering de delicate kunst en wetenschap is van het vullen van het contextvenster met precies de juiste informatie voor de volgende stap. Wetenschap omdat het goed doen hiervan taakbeschrijvingen en uitleg, enkele voorbeelden, RAG, gerelateerde (mogelijk multimodale) gegevens, tools, staat en geschiedenis, compact maken... Te weinig of van de verkeerde vorm en de LLM heeft niet de juiste context voor optimale prestaties. Te veel of te irrelevant en de kosten van de LLM kunnen stijgen en de prestaties kunnen dalen. Dit goed doen is zeer niet-triviaal. En kunst vanwege de leidende intuïtie rond de LLM-psychologie van de geest van mensen. Bovenop de context engineering zelf, moet een LLM-app: - problemen precies goed opsplitsen in controleflows - de contextvensters precies goed inpakken - oproepen naar LLM's van het juiste soort en capaciteit dispatchen - generatie-verificatie UIUX-flows afhandelen - nog veel meer - veiligheidsmaatregelen, beveiliging, evaluaties, parallelisme, prefetching, ... Dus context engineering is slechts één klein onderdeel van een opkomende dikke laag van niet-triviale software die individuele LLM-oproepen (en veel meer) coördineert in volledige LLM-apps. De term "ChatGPT-wrapper" is moe en echt, echt verkeerd.