CoinDeskPolicyPublié le 2024-05-06Dernière mise à jour le 2024-05-07

Résumé

The ATO said the data will help identify traders who failed to report their cryptocurrency-related activities.

  • Australia’s tax office will force cryptocurrency exchanges to provide personal and transaction details of 1.2 million traders.
  • The regulator is attempting to crack down on people trying to avoid paying their tax liabilities.

The Australian Taxation Office (ATO) has asked cryptocurrency exchanges to provide the personal data and transaction details of up to 1.2 million accounts, according to reports.

The Australian Financial Review reported on Monday that “as part of a surveillance effort announced in April, the ATO said its latest data collection protocol would require designated cryptocurrency exchanges to provide the names, addresses, birthdays and transaction details of traders to help it audit compliance with obligations to pay capital gains tax on sales.”

The ATO said the data would help identify traders who failed to report their cryptocurrency-related activities, including the exchange of crypto assets when they sold it for currency or used it to pay for goods and services, Reuters reported on Tuesday.

Advertisement
Advertisement

Australia’s crackdown on the crypto industry has been more evident since the collapse of FTX. It has sued companies for attempting to sell tokens without the appropriate licenses, banking partners have blocked payments to cryptocurrency exchanges and has proposed a new licensing regime for crypto exchanges.

Last year, the ATO clarified that its capital gains tax on crypto products also extends to wrapped tokens or token interaction with decentralized lending protocols.

Edited by Parikshit Mishra.



Lectures associées

a16z : Le syndrome de l'« amnésie » de l'IA, l'apprentissage continu peut-il le guérir ?

Résumé : Les modèles de langage actuels souffrent d’une forme d’amnésie : une fois entraînés, leurs paramètres sont figés, les empêchant d’intégrer de nouvelles connaissances après leur déploiement. Pour pallier cela, des méthodes comme l’apprentissage en contexte (ICL) ou les systèmes de mémoire externe (RAG) sont utilisées, mais elles ne permettent pas une véritable internalisation des informations. L’article explore la question de l’apprentissage continu (continual learning), une piste de recherche cruciale pour permettre aux modèles de mettre à jour leurs paramètres de manière ciblée et durable. Trois approches sont présentées : l’apprentissage par contexte (non paramétrique), l’ajout de modules spécialisés (semi-paramétrique) et la mise à jour directe des poids (paramétrique). Si les méthodes non paramétriques sont matures et efficaces, elles butent sur des limites structurelles : impossibilité de généraliser véritablement, difficulté à traiter des connaissances implicites ou à résoudre des problèmes nécessitant une compression profonde (comme des preuves mathématiques novatrices). Les défis techniques et de sécurité liés aux mises à jour paramétriques (oubli catastrophique, auditabilité, alignement) restent importants, mais des solutions émergent (apprentissage métacognitif, architecture éparse, auto-amélioration). Une combinaison de ces approches pourrait permettre aux IA de passer d’une simple mémoire externe à une véritable capacité d’apprentissage continu.

marsbitIl y a 1 h

a16z : Le syndrome de l'« amnésie » de l'IA, l'apprentissage continu peut-il le guérir ?

marsbitIl y a 1 h

Un sèche-cheveux peut rapporter 34 000 dollars ? Décryptage du paradoxe réflexif des marchés prédictifs

Un homme a gagné 34 000 dollars en chauffant un capteur météo à l'aéroport de Paris-Charles de Gaulle, exploitant une faille des marchés prédictifs comme Polymarket. Cet incident illustre le paradoxe fondamental de ces plateformes : conçues pour refléter la réalité, elles incitent en fait les participants à la manipuler. L'article identifie quatre types de marchés vulnérables : 1. **Données physiques à source unique** (ex. stations météo), facilement manipulables. 2. **Marchés avec initiés** (ex. équipe de MrBeast, militaires israéliens), où l'information privilégiée est monnayée. 3. **Sujets contrôlables par l'acteur** (ex. nombre de tweets d'Andrew Tate), où le résultat peut être directement influencé. 4. **Événements à faible coût d'exécution** (ex. lancer un objet sur un terrain de sport), où l'action elle-même devient un investissement. Les plateformes adoptent des approches divergentes face à ces manipulations. **Kalshi**, avec une identification stricte (KYC), traque et punit publiquement les délits d'initiés. **Polymarket**, basée sur la blockchain et plus anonyme, a longtemps toléré ces agissements, arguant qu'ils rendent le marché plus précis », avant de collaborer ponctuellement avec les autorités. Le paradoxe final est que plus un marché prédictif est précis et lucratif, plus il motive les acteurs à altérer la réalité qu'il est censé prédire. Le marché cesse d'être un miroir pour devenir un moteur de la réalité.

marsbitIl y a 2 h

Un sèche-cheveux peut rapporter 34 000 dollars ? Décryptage du paradoxe réflexif des marchés prédictifs

marsbitIl y a 2 h

Trading

Spot
Futures
活动图片