A Câmara dos Representantes apresentou recentemente um novo e importante projeto de lei de "estrutura de mercado" com apoio bipartidário esmagador (294 a 134, com 78 democratas apoiando). Este projeto de lei, o Digital Asset Market Clarity Act ou "CLARITY Act" (HR 3633) estabeleceria uma estrutura regulatória clara para os mercados de ativos digitais. O projeto agora segue para o Senado, que está trabalhando em sua própria versão da legislação de estrutura de mercado que será informada pelo CLARITY. Se aprovado, este projeto de lei estabelecerá regras claras para os sistemas blockchain - encerrando os anos de incerteza que sufocaram a inovação, expuseram os consumidores a danos e favoreceram os aproveitadores que adotaram a opacidade em detrimento dos empreendedores que buscam transparência. Como a Lei de Valores Mobiliários de 1933, que estabeleceu proteções ao investidor e impulsionou um século de formação de capital nos EUA, a Lei CLARITY poderia ser uma lei geracional. Quando nossas estruturas legais são projetadas para promover a inovação e proteger os consumidores, os Estados Unidos lideram - e o mundo se beneficia. CLARITY é esse tipo de oportunidade. Embora esta legislação se baseie no impulso bipartidário do projeto de lei FIT21 do ano passado, o CLARITY a melhora de várias maneiras importantes, que descrevemos abaixo: cobrindo o que os construtores precisam saber e por que esse projeto de lei é crucial para alinhar a inovação, a proteção ao consumidor e a segurança nacional dos EUA. Saiba mais sobre o CLARITY Act no tópico abaixo. E encontre o post completo de @milesjennings & Aiden Slavin:

+1 para "engenharia de contexto" em vez de "engenharia rápida". As pessoas associam prompts a descrições curtas de tarefas que você daria a um LLM em seu uso diário. Quando em todos os aplicativos LLM de força industrial, a engenharia de contexto é a delicada arte e ciência de preencher a janela de contexto com as informações certas para a próxima etapa. Ciência porque fazer isso direito envolve descrições e explicações de tarefas, poucos exemplos de tiros, RAG, dados relacionados (possivelmente multimodais), ferramentas, estado e histórico, compactação... Muito pouco ou da forma errada e o LLM não tem o contexto certo para um desempenho ideal. Muito ou muito irrelevante e os custos de LLM podem subir e o desempenho pode diminuir. Fazer isso bem é altamente não trivial. E arte por causa da intuição orientadora em torno da psicologia LLM dos espíritos das pessoas. Além da engenharia de contexto em si, um aplicativo LLM precisa: - dividir os problemas em fluxos de controle - embale as janelas de contexto da maneira certa - enviar chamadas para LLMs do tipo e capacidade certos - lidar com fluxos UIUX de verificação de geração - muito mais - proteções, segurança, avaliações, paralelismo, pré-busca, ... Portanto, a engenharia de contexto é apenas uma pequena parte de uma camada espessa emergente de software não trivial que coordena chamadas LLM individuais (e muito mais) em aplicativos LLM completos. O termo "wrapper ChatGPT" está cansado e muito, muito errado.