新NISAの利用実態～利用状況調査：2025年12月末時点を踏まえて～
■概要 自小额投资免税制度（NISA）大幅扩大为所谓的新NISA以来，已经过去了两年。本报告根据金融厅于 2026 年 7 月 3 日公布的截至 2025 年 12 月末的使用状况调查，调查 NISA 的实际使用情况。 ■目录 1 - 简介 2 - 开户放缓 3 - 购买增加，主要是累计投资限额 4 - 余额缓慢增加 5 - 第二年销售增加 6 - 利用率不足的问题没有改善 7 - 结论 两年过去了小额投资免税制度（NISA）得到显着扩展，成为所谓的新 NISA。本报告根据金融厅于2026年7月3日发布的截至2025年12月末的使用状况调查，考察了NISA的实际使用情况。 2-开户速度放缓 首
▼研究者的眼睛☆消费者希望从寿险AI咨询中得到什么？什么是安全的设计，可以让您放心选择而不失控？ ☆50年期房贷时代的还款规划——着眼于工作年限、退休后、住房资产利用的家庭预算管理－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－▼基础研究快报☆近期中国经济热点（四）——严峻的地方财政形势与纠正过度竞争☆企业粮食损失对策为何难以落地？剩余产品分流的品牌与客户体验的设计理论 －－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－ ▼房地产投资报告☆“名古屋写字楼市场”的现状与展望（2026年） ----------------------------
U.S. Forces and Allied Partners Strengthen Cooperation During CDDAR Exercise
日本岩国海军陆战队航空站 — 对于海军陆战队预备役军人来说，平衡民事职业与兵役可能具有挑战性。 6 月 1 日至 5 日，海军陆战队第 472 联队支援中队的一名海军陆战队员参加了在日本举行的坠毁或报废飞机救援 (CDDAR) 演习，同时增强了 MWSS-171 的能力。他们有机会与现役军人和国际合作伙伴一起接受培训，提高救生技能，同时为更大的使命做出贡献。在海军陆战队的 11 次轮换中，MWSS-472 将在日本向现役同行进行训练和学习，以提高空地支援能力和整体任务准备状态。
Air Force releases field grade officer promotions
空军人事中心在 P0426A 中央选拔委员会期间宣布选拔 2,447 名现役军官晋升少校。
Transform your sales organization with Amazon Quick: your new agentic AI teammate
在这篇文章中，我们将介绍 Quick 兑现这一承诺的几种方式。我们涵盖整个销售周期，从确定您最优先的潜在客户、联系他们、处理交易直至完成，以及随着客户的成熟及时更新 CRM，同时保护您最稀缺的资源：您的时间。
Operation Forest Sentinel Enhances Readiness
军人参加了蒙大拿州达比市的森林哨兵行动，在联合环境中进行训练并增强军事准备，同时建立伙伴关系。
MAG-12 brings Sergeants Course to Iwakuni, enhancing Marine development
上周，在日本岩国海军陆战队航空站举办了第一届官方中士课程。该课程的每个位置都挤满了 60 名驻扎在 MCASI 的注册合格学生，其中 20 名在候补名单上。
USAF Chief Wilsbach on lessons from Iran, T-7 flight and F-35 delays
在与 Breaking Defense 的一对一对话中，空军参谋长肯尼思·威尔斯巴赫 (Kenneth Wilsbach) 上将表达了他对该军种的重大担忧。
Your AI Agent Passed Every Eval. Finance Still Killed It.
一个 AI 代理通过了我发布的评估工具中的每一项指标，然后 CFO 杀死了它 — 它的成功解决方案的成本比它所取代的人类还要高。这是一个预测代理是否能在生产中幸存下来的指标，以及如何在不重建的情况下对其进行衡量的指标。您的 AI 代理通过了每项评估。金融仍然扼杀了它。首先出现在《走向数据科学》上。
How to Improve Customer Retention in FinTech
将预流失评分与提升建模相结合以实现更智能的保留的实用指南。如何提高金融科技中的客户保留率一文首先出现在走向数据科学上。
Context Engineering Isn’t Enough — A Loop Engineering Experiment With No LLM Inside the Loop
每个人都在谈论循环工程，但大多数讨论都假设法学硕士位于循环的中心。我想隔离架构本身。因此，我构建了一个确定性的、零依赖的 Python 基准测试，用简单的规则替换模型，使我能够直接衡量一个问题：目标导向控制器能否比传统线性管道更好地隔离故障？在验证了 300 个随机种子的基准测试并修复了一个最初使我自己的结果无效的微妙错误之后，我发现控制器始终完成了线性执行器从未达到的独立分支。本文介绍了架构、基准测试设计、调试过程以及一个狭隘但实用的主张背后的证据：故障隔离是控制流的一个可测量属性，与 LLM 推理无关。后语境工程还不够——循环内没有 LLM 的循环工程实验首先出现在《走向数据科学》上。
The Right Amount of Spec for Agentic Development
我在有关代理的对话中不断看到同样的想法：详细的规格现在已经是旧世界的开销了。给模型一个粗略的目标，让它探索，修复返回的结果，然后继续前进。听起来很有效率，但也隐藏了成本。一个简单的提示看起来便宜且诱人，因为它可以立即开始实施。然后[...]
DataRobot OpenCode: your coding agent, your model choice
DataRobot OpenCode：您的编码代理，您的模型选择 市场上有 70 多种编码代理：Claude Code、Codex、Cursor、Copilot、Devin，以及每周都会出现在工程师新闻源中的一长串较小的参与者。有人运行了基准测试，发布了排行榜，到了本周末，一半的组织想要......帖子 DataRobot OpenCode：您的编码代理，您的模型选择首先出现在 DataRobot 上。
顺序推荐是推荐系统的核心任务，最近的研究越来越多地转向利用顺序模式和语义项目信息的生成推荐器。然而，这些方法通常是在一小组广泛使用的基准上进行评估的。这就提出了一个自然的问题：这些基准测试实际上需要现代生成推荐器的高级建模功能吗？我们使用有意简单的图启发式进行基准审核：仅从最后一个或两个交互的项目开始，它从几跳项目转换图中检索候选者，并根据项目特征相似性对它们进行排名。令人惊讶的是，尽管它很简单，但这种启发式方法在各种流行的顺序推荐基准上匹配或优于一组广泛的现代基线。例如，与广泛使用的 Amazon Review Sports 和 CD 数据集上的最佳竞争基线相比，它的 NDCG@10 相对改
5 underrated iOS 27 features that make my iPhone way better - and none are Siri AI
iOS 27 中我最喜欢的一些新功能虽然没有引起人们的注意，但影响力却丝毫不减。
I tested Nothing's new pink earbuds, and they look as good as they sound
Nothing Ear (3a) 让我感到惊讶有几个原因 - 价格就是其中之一。
The iPad mini's biggest update in 5 years is expected this fall - here's what we know
据传下一代 iPad mini 将采用 OLED 面板和更强大的处理器。新的 iPad 基础版也在开发中。
