DeFi教育基金敦促参议员拒绝加密法案修订案中的拟议修正案

bitcoinist發佈於 2026-01-15更新於 2026-01-15

文章摘要

美国参议院银行委员会即将审议新的加密货币市场结构法案草案,DeFi教育基金公开呼吁议员反对多项修正案。该组织警告称,这些修正案可能破坏去中心化金融(DeFi)发展并损害软件开发者的权益。 重点关注修正案包括:里德和金提出的第42号修正案(授权财政部制裁涉及非法活动的智能合约和中心化平台);里德提出的第45号修正案(为《银行保密法》创设数字资产具体定义)和第47号修正案(取消无证资金传输相关刑事条款)。科尔特斯·马斯特提出的第72-75号修正案则试图缩小非控制型开发者的定义范围,并扩大金融犯罪执法网络(FinCEN)对区块链平台的监管权限。 此外,以加密怀疑论闻名的参议员沃伦提出的第104号修正案,取消了加密货币发行的关键分发豁免条款。DeFi教育基金认为这些修正案将抑制行业创新,对金融机构和开发者的运营构成威胁。当前加密货币总市值已回升至3.2万亿美元上方,法案审议结果可能对行业产生深远影响。

随着参议院银行委员会准备对新提出的加密市场结构法案草案进行标记审议,DeFi教育基金发布了一份其强烈敦促参议员反对的修正案清单。

在社交媒体平台X(前身为Twitter)的最新帖子中,该组织表示担忧,认为草案的描述表明可能对去中心化金融(DeFi)造成潜在损害,并可能对软件开发人员产生负面影响。

加密市场结构法案草案出现危险信号

在其信息中,DeFi教育基金强调了维护新兴DeFi领域完整性的重要性,并呼吁参议员考虑这些拟议变更的深远影响。

其中突出的修正案包括由参议员里德和金提出的第42号修正案,该修正案旨在授权财政部制裁涉及非法活动的智能合约和中心化平台。

这一修正案引起了倡导者的严重担忧,他们担心其对去中心化金融生态系统内的创新和运营灵活性可能产生的影响。

另一个令人担忧的修正案是参议员里德提出的第45号修正案,旨在为《银行保密法》下的数字资产创建一个具体定义。

同样,同样来自参议员里德的第47号修正案,意图删除与无牌照资金传输相关的联邦刑事犯罪条款。

根据DeFi教育基金的说法,这些变化对与数字资产互动的开发者和金融机构的运营环境构成了危险的威胁。

抑制DeFi增长

此外,参议员科尔特斯·马斯特提出的修正案,特别是第72号和第73号,旨在缩小非控制性开发者的定义,并扩大金融犯罪执法网络(FinCEN)和财政部对区块链平台的权限。

第74号和第75号修正案进一步寻求加强现有的资金传输相关的法律,并禁止涉及非法DeFi协议的交易,基金认为这可能会抑制该行业的增长。

由加密怀疑论者参议员伊丽莎白·沃伦提出的第104号修正案也引起了关注,该修正案取消了加密产品的一个关键分销豁免条款。

此前,区块链协会首席执行官萨默·默辛格也发出了类似的呼吁,他最近声称,“大银行游说团”正在推动国会修改已颁布的《GENIUS法案》中关于稳定币奖励的关键条款,进一步凸显了加密行业在国会的未来现状。

日线图显示加密总市值回升至3.2万亿美元以上。来源:TradingView.com的TOTAL

特色图片来自DALL-E,图表来自TradingView.com

相關問答

QDeFi教育基金为什么敦促参议员拒绝加密法案中的修正案?

ADeFi教育基金认为这些修正案可能对去中心化金融(DeFi)造成潜在伤害,并可能对软件开发者和金融机构的运营灵活性产生负面影响,从而抑制DeFi行业的创新和发展。

Q参议员Reed和Kim提出的第42号修正案的主要内容是什么?

A第42号修正案旨在授权财政部对涉及非法活动的智能合约和中心化平台实施制裁。

Q参议员Elizabeth Warren提出的第104号修正案有什么影响?

A第104号修正案取消了加密货币发行的关键分销豁免条款,这可能限制加密货币的发行和流通。

Q参议员Cortez Masto提出的第72和73号修正案的目标是什么?

A第72号修正案旨在缩小非控制性开发者的定义,第73号修正案则寻求扩大金融犯罪执法网络(FinCEN)和财政部对区块链平台的监管权限。

QDeFi教育基金对哪些修正案表达了特别担忧?

ADeFi教育基金特别担忧的修正案包括第42号(制裁智能合约)、第45号(数字资产定义)、第47号(取消无证资金传输条款)、第72-75号(开发者定义和监管权限扩大)以及第104号(取消加密发行豁免)。

你可能也喜歡

生成模型也能端到端训练了?核心竟是一个for循环

长期以来,深度学习在图像分类、检测等任务上凭借端到端训练取得了巨大成功,但生成模型领域却始终是个例外。当前主流的自回归、扩散模型等训练时只学习预测“一小步”,推理时则需要反复展开数百上千步,这种训练与推理的不一致导致了“暴露偏差”等问题,使得生成模型一直未能实现真正的端到端训练。 最近,一篇来自UIUC与哈佛大学的论文提出了“探索式建模(Explorative Modeling,XM)”新范式,其核心是一个简单到近乎朴素的for循环:在每个训练步骤中,模型生成K个候选样本,然后仅选取其中最接近真实数据的一个样本来计算损失和回传梯度。这种做法巧妙地绕开了传统生成模型中因使用重构损失(如平方误差)而导致的“模态模糊”问题——即模型倾向于输出多个可能答案的平均值,而这个平均值往往不属于任何真实的数据模式。 XM通过这种方式,在不拆分生成过程的前提下,直接提升了模型的“生成表达力”,即模型捕捉数据分布中多个独立模式的能力。论文将“探索”验证为继模型参数量、数据量之后的第三根可扩展轴。实验表明,随着模型规模、数据量和计算量的增大,探索带来的性能收益越发显著,在图像、视频、语言等多种任务上均能带来效率与质量的提升。 更重要的是,当探索程度足够时,XM可以实现真正的端到端生成。在机器人控制等任务中,仅需一次网络前向传播的XM策略,其性能可媲美甚至超过需要上百次前向的扩散模型策略,实现了推理效率的飞跃。 尽管“最佳K样本选择”的思想并非全新,但该研究的贡献在于清晰地揭示了这一简单机制如何直接解决生成模型的核心瓶颈,并为实现高效、端到端的生成模型开辟了新的可能性。随着模型规模的持续扩大,探索这一新维度可能将发挥越来越关键的作用。

marsbit29 分鐘前

生成模型也能端到端训练了?核心竟是一个for循环

marsbit29 分鐘前

年薪百万抢电工,Meta急到自己办技校

AI竞赛正面临新的瓶颈:工地。美国正面临严重的电工、建筑工等技术工人短缺,这已成为微软、Meta、OpenAI等公司快速建设超大规模AI数据中心(如OpenAI耗资160亿美元的“星际之门”项目)的“头号障碍”。 尽管AI公司愿支付高薪(如电工年薪可达24-28万美元),远超传统行业,但熟练技工仍供不应求。麦肯锡预测,美国在2023-2030年间需额外培养13万名电工和24万名建筑工,而劳工统计局预计每年仍有8万个电工岗位空缺。这种短缺导致项目延迟,每月可能造成数百万美元的收入损失。 AI数据中心建设复杂,需应对巨大功耗(一座设施耗电堪比数十万户家庭)、复杂的配电系统以及高密度散热(需液冷技术)等挑战,因此亟需大量技术娴熟的工人。 为此,科技巨头开始亲自下场培养人才。例如,Meta投入1.15亿美元建立建筑工人培训学校,提供免费培训及生活补贴,以快速输送工人上岗。OpenAI则与建筑工会合作,提前锁定熟练劳动力。同时,企业也将招聘目光投向高中生,鼓励年轻人投身技工行业。这些举措已见成效,Z世代对技工职业的兴趣显著上升。 然而,更深层的挑战在于电力。AI数据中心用电量正以惊人速度增长,已推高部分地区的电价。此外,数据中心建设是项目制的,建设期需要成千上万的工人,但建成后仅需少量常驻人员。这意味着未来可能面临熟练工人短期过剩、并流向其他行业压低薪资的风险。如何实现劳动力与电力资源的长期平衡,仍是悬而未决的问题。

marsbit2 小時前

年薪百万抢电工,Meta急到自己办技校

marsbit2 小時前

交易

現貨
活动图片