UK Regulator Welcomes Fund Tokenization Plan Proposed by Industry Leaders

CoinDeskPolicyXuất bản vào 2023-11-26Cập nhật gần nhất vào 2023-11-27

Tóm tắt

The Financial Conduct Authority (FCA) is currently exploring whether it could determine money laundering registration applications more quickly for firms already authorized, t...

  • A report by the U.K.'s Technology Working Group is setting the stage for implementing tokenization of funds.
  • Firms wishing to provide tokenized funds should ensure they are authorized and the U.K. needs to establish regulatory clarity, the report said.
15.2K
Binance to Pay $4B to Settle U.S. Criminal Case; Changpeng 'CZ' Zhao Resigns as CEO, Pleads Guilty

A group of industry experts on Friday published a report on implementing tokenization of funds that a U.K. regulator welcomed.

The Technology Working Group - which was set up by the Economic Secretary to the Treasury’s Asset Management Taskforce - said firms should ensure their funds are authorized by U.K. regulators, that they hold traditional assets and should be interoperable with future technology.

Tokenized funds offer tokenized shares that represent investors' interest in them and are traded and recorded on distributed ledger technology. Interoperability refers to the ability to transfer tokens between different blockchain networks.

Advertisement
Advertisement

There are several models of fund tokenization that already exist in Europe. Private bank-owned Meltzer Asset Management issued tokens for its domiciled sustainable growth fund in a pilot this year. Archax, a crypto exchange and custody provider, created a tokenized representation of its abrdn money market fund and the company plans to launch a regulated exchange for tokenized assets this year CoinDesk reported last month.

The Financial Conduct Authority is an observer of the group and has supported it, Sarah Pritchard executive director of markets and international at the U.K.'s FCA said in the report.

"This is an exciting milestone and paves the way for exploring more transformative use cases in the future," Pritchard said.

For firms to successfully launch tokenized funds, there needs to be regulatory certainty. Plus, in some cases, firms wishing to use DLT will need to be registered with the FCA and comply with its money laundering rules (MLR) and the FCA is currently exploring whether it could determine MLR applications more quickly for firms already authorized.

The group also said that some tokenization service providers have been unable to obtain banking services and urged the government to consider whether further action needs to be taken.

Advertisement
Advertisement

The Technology Working Group will explore how to further develop its fund tokenization model by the end of the year and will work with regulators to consider impacts on legislation within a year.

Edited by Omkar Godbole.

Nội dung Liên quan

Vừa qua, DeepSeek V4 cập nhật DSpark, tốc độ suy luận tăng 80%

Vừa qua, DeepSeek V4 đã được cập nhật với framework giải mã suy đoán mới là **DSpark**, giúp tăng tốc độ suy luận lên tới 80%. Cốt lõi của bản cập nhật này là framework **DSpark**, một kỹ thuật giải mã suy đoán được triển khai trên DeepSeek-V4-Pro hiện có để tăng tốc độ suy luận, chứ không phải là nâng cấp kiến trúc mô hình. DSpark giải quyết các điểm nghẽn về độ trễ và thông lượng trong môi trường sản xuất, đặc biệt ở các tình huống có tải cao. DSpark kết hợp hai cải tiến chính: 1. **Kiến trúc sinh bán tự hồi quy (Semi-Autoregressive Generation)**: Giữ lợi thế về thông lượng cao của mô hình phác thảo song song, đồng thời thêm mô-đun nối tiếp nhẹ để mô hình hóa mối quan hệ phụ thuộc giữa các token, giúp giảm thiểu tỷ lệ chấp nhận suy giảm. 2. **Xác minh theo lịch trình độ tin cậy, nhận biết phần cứng (Confidence-Scheduled Verification)**: Một "đầu độ tin cậy" (Confidence Head) được sử dụng để đánh giá xác suất tồn tại của mỗi token phác thảo. Hệ thống điều phối sẽ xác định độ dài xác minh tối ưu một cách linh hoạt dựa trên đặc điểm tải và phần cứng, chỉ phân bổ tài nguyên tính toán cho những token có khả năng được chấp nhận cao nhất. Trong các thử nghiệm trên nhiều lĩnh vực như suy luận toán học, tạo mã và hội thoại, DSpark vượt trội so với các phương pháp tiên tiến hiện tại như Eagle3 và DFlash. So với cơ sở sinh token đơn trước đó (MTP-1), DSpark đã **tăng tốc độ phản hồi cho người dùng từ 57% đến 85%** (tuỳ thuộc vào việc sử dụng mô hình Flash hay Pro) trong khi vẫn duy trì cùng tổng thông lượng. Cùng với DSpark, DeepSeek cũng công khai mã nguồn **DeepSpec**, một bộ công cụ toàn diện để đào tạo và đánh giá các mô hình phác thảo cho giải mã suy đoán. DeepSpec cung cấp một đường ống công việc tiêu chuẩn bao gồm chuẩn bị dữ liệu, đào tạo và đánh giá, hỗ trợ nhiều thuật toán (DSpark, DFlash, Eagle3) và mô hình mục tiêu (hiện tại là Qwen3 và Gemma).

marsbit6 giờ trước

Vừa qua, DeepSeek V4 cập nhật DSpark, tốc độ suy luận tăng 80%

marsbit6 giờ trước

Cách mà thần đồng Karpathy sử dụng Claude, hóa ra là như thế này?

Andrej Karpathy, một chuyên gia hàng đầu trong lĩnh vực AI, được cho là đã sử dụng một tệp CLAUDE.md cá nhân để hướng dẫn Claude - công cụ AI lập trình từ Anthropic - hoạt động hiệu quả hơn. Dù tính xác thực của tệp này chưa được kiểm chứng, nhưng nội dung của nó phản ánh chính xác những nguyên tắc Karpathy thường chia sẻ. Tài liệu này đưa ra các quy tắc then chốt để tránh những lỗi phổ biến khi AI viết code. Trọng tâm bao gồm: **Đọc kỹ code hiện có** trước khi viết mới để đảm bảo tính nhất quán; **Suy nghĩ thấu đáo** về yêu cầu và các phương án triển khai trước khi bắt tay vào code; **Giữ mọi thứ đơn giản nhất có thể**, tránh thiết kế thừa và chỉ xử lý những vấn đề thực sự tồn tại; **Sửa đổi một cách "phẫu thuật"**, chỉ thay đổi phần cần thiết và tuân thủ phong cách code sẵn có của dự án. Các hướng dẫn khác bao gồm việc luôn **xác minh code** bằng kiểm thử, làm việc **theo mục tiêu rõ ràng**, **gỡ lỗi có phương pháp**, thận trọng khi thêm **phụ thuộc mới**, và **giao tiếp hiệu quả** về những thay đổi. Tài liệu cũng chỉ ra các "mẫu thất bại" thường gặp như làm quá nhiều việc cùng lúc, tạo ra sự trừu tượng hóa không cần thiết, hoặc lạc quyết định ban đầu. Về cơ bản, những nguyên tắc này nhằm biến Claude từ một thực thể tạo code chung chung thành một trợ lý lập trình thực sự hiểu ngữ cảnh, tuân thủ dự án và giảm thiểu nhu cầu viết lại code. Dù tệp gốc có phải của Karpathy hay không, các nguyên tắc này được cộng đồng đánh giá cao và đã có dự án trên GitHub tổng hợp chúng, được cho là giúp giảm tỷ lệ lỗi code do AI tạo ra một cách đáng kể.

marsbit7 giờ trước

Cách mà thần đồng Karpathy sử dụng Claude, hóa ra là như thế này?

marsbit7 giờ trước

Giao dịch

Giao ngay
活动图片