貸出・マネタリー統計（26年6月）～銀行貸出は好調が続く、長期貸出金利は25年ぶりに2％を突破
■摘要 6月份银行贷款同比增长6.30%，连续第14个月增长，创统计以来最高增速（剔除新冠疫情）。尽管日本央行加息和长期利率上升，但由于并购、房地产贷款和成本上升对营运资金的需求，贷款仍然强劲，城市银行推动了整体增长。贷款利率方面，随着去年底加息的影响逐渐显现，短期利率保持平稳，但由于国债收益率上升，长期利率近25年来首次突破2%。由于日本央行减少购买国债以及支持放贷增加的资金回收，基础货币加速下降，下行压力预计将持续。另一方面，货币存量增速虽然较上月略有下降，但在银行贷款增加的背景下，保持了较高增速。 ■目录 1. 贷款趋势：银行贷款继续强劲，长期贷款利率25年来首次超过2%。 2．货币基础
放出した備蓄米はどう買戻すべきか～価格低下を望む消費者と、政府買入れを求める市場の間で考える備蓄米制度～
■概要 关于2020年库存大米的释放，除了传统的歉收时期应对措施外，还重新调整了操作方式，以便即使大米分配出现问题也可以释放库存大米。从这个角度来看，此次发布标志着稻米储存制度性质的重大转折。最初，这一过程是从带有回购条件的竞标开始的，但此后操作在短时间内发生了重大变化，包括延长回购期限、暂停购买 2020 年生产的大米以及转向自愿合同。本文探讨的是释放后如何回购库存大米。回购并不是简单地弥补释放量的一种方式，而是必须根据库存余额、年度生产结构、私营部门库存、产量预测、需求趋势等因素来确定。最新发布的消息还透露，库存大米的分配需要时间，民间库存的实际状况了解有限，海外生产的大米已成为体制外的调
AI時代のサイバーリスク開示－有価証券報告書をテキスト分析して分かること
■概要 通过对证券报告中“经营风险”的文字分析，确认2026年提及“网络攻击”的公司比例将达到47.2%，接近一半，且在各规模、各行业均呈上升趋势。可以说，网络风险已成为各行业共同的管理问题[图1]。提及“人工智能”的企业比例从2021年的3.6%大幅上升至2026年的19.4%。企业对人工智能的描述围绕着一种危机感，即延迟应对人工智能将导致竞争力下降，而将人工智能与网络攻击等风险联系起来的描述仍然很少。然而，随着Mythos丑闻之后，全球范围内对AI对AI构成的威胁的认识不断增强，明年的证券报告预计将加深其与传统安全威胁（如“信息泄露”和“通信故障”）的关系。 ■目录 1 - 简介 2 -
■概要 年龄和工作投入之间有什么关系？在本文中，我们利用 Nissay 研究所对全国员工进行的调查数据分析了年龄与工作投入之间的关系。结果显示，男性和女性在中年时期都存在一个相对下降的“低谷”。中年通常被认为是工作和家庭责任重叠的时期，这可能会导致精神和身体压力增加，因此这可能是重新考虑工作和未来职业的意义的时期。这些结果表明，在解决工作投入问题时，关注中年工作方式和职业发展的重要性。 ■目录 1 - 简介 2 - 研究概述 3 - 工作投入与年龄的关系 4 - 工作活力与年龄的关系 5 - 工作自豪感与年龄的关系 6 - 结论 近年来，人们对工作投入的兴趣（表明对工作积极的心理状态）不断增加
116th Military Intelligence Brigade Cases Colors
佐治亚州戈登堡 – 陆军在实现国家全球空中情报、侦察和监视 (AISR) 能力现代化方面迈出了重要一步...
Crowley Government Services, Inc.
位于佛罗里达州杰克逊维尔的 Crowley Government Services, Inc. (Crowley) 对由…发布的征求建议书 (RFP) No. N0002426R2421 的条款提出抗议
That Is Embarrassing: Why Frontier AI Still Makes Things Up, and What to Do About It
最好的人工智能模型仍然会产生幻觉。这些幻觉有时很有趣，有时会造成实际伤害。在这篇文章中，我们将考虑最近关于人工智能幻觉的故事，然后深入了解它们发生的原因。这篇文章《令人尴尬：为什么前沿人工智能仍然制造事情，以及如何应对它》首先出现在《走向数据科学》上。
Long Context Isn’t Free — I Built a Safe Prompt-Pruning Layer That Makes LLM Systems Work
法学硕士不会因为忘记而失败，而是因为记得太多而失败。随着对话的增长，提示会积累冗余和低价值的令牌，从而增加成本和延迟，同时默默地降低输出质量。本文介绍了一个确定性的提示修剪层，它可以在不破坏依赖关系的情况下减少令牌的使用，并由真正的基准测试和经过生产测试的设计提供支持。 文章《长上下文不是免费的——我构建了一个使 LLM 系统工作的安全提示修剪层》首先出现在《走向数据科学》上。
How to Orchestrate 100+ Agents With Claude Code
并行运行 100 多个代理如何使用 Claude Code 协调 100 多个代理一文首先出现在 Towards Data Science 上。
RAG Was Always a Temporary Workaround. What is Next?
矢量数据库是一个临时的桥梁。了解为什么下一次人工智能基础设施革命依赖于持久的神经状态和严格的延迟预算，而不是矢量数据库。后 RAG 始终是一个临时解决方法。接下来是什么？首先出现在《走向数据科学》上。
PySpark for Beginners: Building Intermediate-Level Skills
分区、洗牌、连接、缓存和执行计划的实用下一步。面向初学者的 PySpark 帖子：构建中级技能首先出现在 Towards Data Science 上。
AI Enthusiasts Are in a Race Against Time, AI Skeptics Are in a Race Against Entropy
以下文章最初出现在 Charity Majors 的 Substack 上，经作者许可在此重新发布。我最近参加了一次演讲，其中一位演讲者对他们通过纯粹、未经切割的氛围编码所取得的成就做出了一些漂亮的……令人惊讶的声明。工程难题得到解决，积压工作得到清理。重写会有 [...]
Your agents are using your credentials, and that is the problem
您的代理正在使用您的凭据，这就是问题所在 工程师将代理运送到生产环境。它需要调用内部 API，因此它使用工程师环境中已有的密钥。代理运行。它现在还拥有工程师拥有的所有权限。这是大多数人的默认状态...您的代理正在使用您的凭据，这就是 DataRobot 上首先出现的问题。
A medical algorithm must not confuse cost with health
胡安·安东尼奥·略雷特 | DOI：https://doi.org/10.21428/39829d0b.557cee94 | 2019 年，由医生兼经济学家 Ziad Obermeyer 领导的研究团队对一种已经在美国卫生系统中悄悄运行的商业算法进行了逆向工程。该工具由 Optum 出售，帮助确定每年大约 2 亿人口中的哪些患者会……医疗算法不得将成本与健康混淆 Leer más »
When AI sounds certain but should say “I do not know”
Juan Antonio Lloret DOI：https://doi.org/10.21428/39829d0b.6b61c462 在后来公开的内部审查中，IBM 的 Watson for Oncology 看到了一位与每天接受治疗的数千名患者非常相似的患者：一名患有肺癌的 65 岁男性，还患有严重出血。系统推荐贝伐珠单抗——一种带有明确警告的药物，禁止在……当人工智能听起来确定但应该说“我不知道”时 Leer más »
Advancing regulatory variant effect prediction with AlphaGenome
根据 DNA 序列预测功能基因组测量结果的深度学习模型是破译遗传调控密码的强大工具。现有方法涉及输入序列长度和预测分辨率之间的权衡，从而限制了它们的模态范围和性能1,2,3,4,5。我们推出了 AlphaGenome，这是一个统一的 DNA 序列模型，它以 1 Mb 的 DNA 序列作为输入，并通过不同的模式预测数千个功能基因组轨迹，最高可达单碱基对分辨率。这些模式包括基因表达、转录起始、染色质可及性、组蛋白修饰、转录因子结合、染色质接触图、剪接位点使用以及剪接连接坐标和强度。 AlphaGenome 在人类和小鼠基因组上进行训练，在 26 项变异效应预测评估中的 25 项中匹配或超过了最强的
