ÈËÉú¾ÍÊDz©(ÖйúÇø)¹Ù·½ÍøÕ¾

EN ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾ ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾
http://www.gov.cn/

扌喿辶畐的资料免费网站 NBAÏÄÈÕÁªÈüÕ½±¨£º»îÈû108-88ÈȻ𣬿ËÁÖÂü20+4+1

2025-07-21 07:07:47 ȪԴ£º ³Â½¨»Ô
×ֺţºÄ¬ÈÏ ´ó ³¬´ó | ´òÓ¡ |

扌喿辶畐的资料免费网站

扌喿辶畐的资料免费网站

扌喿辶畐的资料免费网站?这番激烈的补贴大战在周末时分赚足眼球,不过进入周中后,又逐渐降温,记者查询美团、淘宝闪购App发现,周末投放的大量0元购优惠券到了周一力度明显减弱,走访了多家茶饮门店,也恢复到日常人流。 NBAÏÄÈÕÁªÈüÕ½±¨£º»îÈû108-88ÈȻ𣬿ËÁÖÂü20+4+1

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

扌喿辶畐的资料免费网站?初创公司们试图为用户呈现一个完成度更高且上手难度更低的 Agent 产品。以 Manus 为例,过去 2 个月来这家公司先后为产品加入了包括 PPT 生成、视频生成、音频生成等诸多不同能力,官网还列举出了诸多现成的模板分享以及用户案例分享。即便这些能力的实现都依托于外部模型,但至少在上手难度上,初创公司们都做得比 OpenAI 更好一些。 ½¯º£»ª¼ÇÕß ÁõʤÐë Éã

扌喿辶畐的资料免费网站?据介绍,工人体育场自2023赛季升级改造后,可容纳现场观众提升至68000人。近3个赛季,工体现场观赛人数始终未能突破55000人大关。本赛季第八轮,国安主场6-1大胜山东泰山队的比赛,到场人数为54309人,创下“新工体”的最高纪录。

扌喿辶畐的资料免费网站?对于这场纠纷的起因,刘先生称,自己与刘某某及其女友等人吃饭时,刘某某女友提及,希望自己能多管管石某某,让她不要老是打电话给刘某某。自己转述后,石某某打电话让刘某某来家中,而后二人出现争吵,“打起来了”。

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

扌喿辶畐的资料免费网站?在Perplexity、谷歌与OpenAI暗中角力硅谷版图的同时,一种名为“AI浏览器”的新物种开始涌现,从创业新贵Arc、Dia,到AI搜索公司下场打造的Perplexity Comet、Genspark,再到传闻中OpenAI即将发布的自有浏览器,赛道突然变得无比热闹。 κ¾°ËɼÇÕß ÓÚ¾üÆæ Éã

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

扌喿辶畐的资料免费网站?下沉市场没做错什么,拼多多不就是靠它成了电商巨头?但明星都去讨好流量,谁还沉下心做作品?现在打开音乐软件,推荐列表里翻来覆去还是《画心》《终于等到你》,新歌听十首忘九首。 ͯ²ýÐμÇÕß ¸ð±£ºì Éã

扌喿辶畐的资料免费网站?婚宴现场,董璇与张维伊身着精致中式礼服向亲友敬酒,笑容甜蜜。从曝光的敬酒照可以看出,虽未大操大办,但仪式感十足。最引人注目的是董璇女儿小酒窝全程参与,不仅与张维伊牵手互动,还在婚宴后台主动给粉丝发零食盲盒,被网友大赞"社牛小天使"。董璇父母也现身婚宴,全家福四人同框,氛围温馨和谐。

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

扌喿辶畐的资料免费网站?2025年2月,杭州娃哈哈集团发布关于"娃哈哈"系列商标转让的声明称,"娃哈哈"系列商标共计387件正在国家知识产权局申请由杭州娃哈哈集团有限公司转让至杭州娃哈哈食品有限公司,换言之,就是从国资大股东手上转给宗馥莉控股最多的公司。 ÀºÏ¼ÇÕß ÑîÉÙ·æ Éã

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

扌喿辶畐的资料免费网站?尽管娃哈哈对外称"家族事务与公司无关",但一个家族企业,家族内斗,怎能无关。至少,若三人胜诉,宗馥莉所代表的29.4%集团股权就可能遭到分割,最终也影响娃哈哈的权柄执掌。 ÑîÐã¾ù¼ÇÕß Ñî»æÐ Éã

扌喿辶畐的资料免费网站?改装后的赛车搭载15台摄影机,360°无死角拍摄,所以在老皮赛车的时候,观众是同一视角,加上超绝的音效,就算你对这项体育赛事不敢兴趣,也没法不屏住呼吸,和老皮一起感受速度和激情了。

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

扌喿辶畐的资料免费网站?丽水机场正式通航 7月18日17时33分,由北京首都机场飞抵浙江丽水的CA1873次航班,接受丽水机场准备的民航界最高礼仪“水门礼”,丽水机场宣告正式通航。谭申捷/摄 ½¹ÈÙÉú¼ÇÕß ÕÅÖ¾Áá Éã

扌喿辶畐的资料免费网站?会上,他急于向议员们证明,“印度方面完全满意法国装备的性能”,同时辩称,在涉及数十架飞机的激烈对抗中,“战斗结束时出现少量战损是合乎逻辑的”。

扌喿辶畐的资料免费网站?北京市三中院认为,被告人吴英杰的行为构成受贿罪,应依法惩处。吴英杰受贿数额特别巨大,犯罪情节特别严重,社会影响特别恶劣,使国家和人民利益遭受特别重大损失,论罪应当判处死刑。鉴于吴英杰检举他人涉嫌违法犯罪经查属实,有重大立功表现,受贿犯罪中有未遂情节,且其到案后如实供述罪行,主动交代监察机关尚未掌握的大部分受贿事实,认罪悔罪,积极退赃,大部分赃款赃物及其孳息已追缴到案,具有法定、酌定从宽处罚情节,对其判处死刑,可不立即执行。法庭遂作出上述判决。

扌喿辶畐的资料免费网站?律师表示,赵某某在2023年鉴定后才明确知晓权利受损,也在诉讼时效内,此次他未直接主张签订的协议无效,而是要求追加残疾赔偿金,这属于不同范畴的法律认定。

扌喿辶畐的资料免费网站?韩放表示,这种常态化交易机制的建立,打破了过去的壁垒。“过去两个电网分别组织交易,就像两个独立的市场,商品流通存在壁垒。现在实现跨区域常态化交易,相当于打破了地域限制,让电力资源能够在更大范围内自由流动。”这种机制创新,不仅提高了资源配置效率,更让保供工作有了更足的底气,对大范围优化电力资源配置、保障能源安全、促进能源清洁低碳转型具有重要意义。

扌喿辶畐的资料免费网站?新华社南宁7月19日电(记者陈露缘、赵欢)奖金丰厚、赛道多样,还可跨国组队,在全国各地AI浪潮兴起之时,一场有关AI的超级联赛19日在广西南宁拉开帷幕。

扌喿辶畐的资料免费网站?AI是艺术的终结者还是新缪斯?AI等技术是否会稀释创造的价值?7月18日,一场特别的跨界活动——“智启未来・共创科技”THinK 2025 科技人文节在上海启迪之星高质量孵化器举办。科技与人文领域的专家学者汇聚一起,在技术飞速发展的当下,深度探讨人文精神传承、人性本质坚守、人类创造力延续等议题。

扌喿辶畐的资料免费网站?本次大赛有来自全国32个省份的522名选手参赛,其中338名正式选手,正式选手的获奖率85%。今年的金牌50人,金牌线571分,银牌152人,银牌分数线410分,铜牌85人,铜牌线320分。

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

扌喿辶畐的资料免费网站?为了将高云翔保释出来,董璇还带着女儿举家搬迁到澳大利亚居住,在法庭上打感情牌,最后交了300万澳元的保释金(约合人民币1465万)才于2018年6月保释成功。 »ôÁ¬Ã·¼ÇÕß ÇØÃ¯»¢ Éã

扌喿辶畐的资料免费网站?作为亲叔叔这样的发言实际上已经是公开站队,要知道宗泽后在美国经营公司,而三位“私生子”的母亲杜建英更是在负责娃哈哈的海外市场,这二者之间难免有商业往来。

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

扌喿辶畐的资料免费网站?综上,大语言模型的“耳根子软”是训练中对外部反馈的过度迎合、决策时依赖匹配模式而非逻辑推理以及记忆机制缺乏深度推理支撑共同导致的结果。 ÕÅÑó¼ÇÕß ÌïºéÎä Éã

扌喿辶畐的资料免费网站?特朗普已多次在公开场合声援博索纳罗。当地时间7月9日,他还在社交媒体上发布信函,以回击巴西现政府对博索纳罗的“政治猎巫”为由,宣布将从8月1日起把对巴西进口商品的关税从10%提高到50%。

扌喿辶畐的资料免费网站?本次活动由上海市科学技术委员会、杨浦区人民政府指导,上海启迪之星高质量孵化器主办,杨浦区科技和经济委员会、清华大学自动化系、清华大学机械工程系联合支持。

扌喿辶畐的资料免费网站?面向AI代理的上下文工程:构建 Manus 的经验教训 2025 年 7 月 18 日 季逸超 在Manus 项目伊始,我和团队面临一个关键抉择:是使用开源基础模型训练一个端到端的代理模型,还是基于前沿模型的上下文学习能力构建代理? 回想我在自然语言处理领域的最初十年,我们没有这样的选择余地。在BERT 的远古时代(是的,已经七年了),模型必须经过微调并评估后才能迁移到新任务。即使当时的模型远小于如今的 LLMs,这一过程每次迭代往往也需数周。对于快速发展的应用,尤其是产品市场匹配前期,这样缓慢的反馈周期是致命的。这是我上一家创业公司的惨痛教训,当时我从零开始训练模型用于开放信息抽取和语义搜索。随后 GPT-3 和 Flan-T5 的出现,让我自研的模型一夜之间变得无关紧要。讽刺的是,正是这些模型开启了上下文学习的新纪元——也为我们开辟了一条全新的前进道路。 这个来之不易的教训让选择变得清晰:Manus 将押注于上下文工程。这使我们能够在数小时内发布改进,而不是数周,同时保持我们的产品与底层模型正交:如果模型进步是涨潮,我们希望 Manus 是船,而不是固定在海床上的柱子。 然而,上下文工程远非简单。这是一门实验科学——我们已经重建了四次代理框架,每次都是在发现了更好的上下文塑造方法之后。我们亲切地称这种手动的架构搜索、提示调整和经验猜测过程为“随机梯度下降”。它不优雅,但有效。 这篇文章分享了我们通过自己的“SGD”达到的局部最优解。如果你正在构建自己的 AI 代理,希望这些原则能帮助你更快收敛。 围绕KV缓存设计 如果只能选择一个指标,我认为KV 缓存命中率是生产阶段 AI 代理最重要的指标。它直接影响延迟和成本。要理解原因,我们先看看典型代理的工作方式: 在接收到用户输入后,代理通过一系列工具调用来完成任务。在每次迭代中,模型根据当前上下文从预定义的动作空间中选择一个动作。然后在环境中执行该动作(例如Manus 的虚拟机沙箱),以产生观察结果。动作和观察结果被追加到上下文中,形成下一次迭代的输入。这个循环持续进行,直到任务完成。 正如你所想象的,上下文随着每一步增长,而输出——通常是结构化的函数调用——则相对较短。这使得预填充与解码之间的比例在代理中远远偏高,区别于聊天机器人。例如,在 Manus 中,平均输入与输出的Token比约为100:1。 幸运的是,具有相同前缀的上下文可以利用KV 缓存,这大大减少了首次生成标记时间(TTFT)和推理成本——无论你是使用自托管模型还是调用推理 API。这里的节省可不是小数目:以 Claude Sonnet 为例,缓存的输入标记费用为 0.30 美元/千标记,而未缓存的则为 3 美元/千标记——相差 10 倍。 从上下文工程的角度来看,提高KV 缓存命中率涉及几个关键做法: 保持提示前缀稳定。由于LLMs 的自回归特性,即使是单个标记的差异也会使该标记及其之后的缓存失效。一个常见错误是在系统提示开头包含时间戳——尤其是精确到秒的时间戳。虽然这样可以让模型告诉你当前时间,但也会大幅降低缓存命中率。 使你的上下文仅追加。避免修改之前的操作或观察。确保你的序列化是确定性的。许多编程语言和库在序列化JSON 对象时不保证键的顺序稳定,这可能会悄无声息地破坏缓存。 在需要时明确标记缓存断点。一些模型提供商或推理框架不支持自动增量前缀缓存,而是需要在上下文中手动插入缓存断点。设置这些断点时,应考虑缓存可能过期的情况,至少确保断点包含系统提示的结尾部分。 此外,如果你使用像vLLM 这样的框架自托管模型,确保启用了前缀/提示缓存,并且使用会话 ID 等技术在分布式工作节点间一致地路由请求。 遮蔽,而非移除 随着你的智能体功能不断增强,其动作空间自然变得更加复杂——简单来说,就是工具数量激增。最近 MCP 的流行更是火上浇油。如果允许用户自定义工具,相信我:总会有人将数百个神秘工具接入你精心策划的动作空间。结果,模型更可能选择错误的动作或走低效路径。简而言之,你的重装智能体反而变得更笨。 一种自然的反应是设计动态动作空间——或许使用类似 RAG 的方式按需加载工具。我们在 Manus 中也尝试过。但实验表明一个明确的规则:除非绝对必要,避免在迭代过程中动态添加或移除工具。主要有两个原因: 1. 在大多数LLMs 中,工具定义在序列化后通常位于上下文的前部,通常在系统提示之前或之后。因此,任何更改都会使所有后续操作和观察的 KV 缓存失效。 2. 当之前的操作和观察仍然引用当前上下文中不再定义的工具时,模型会感到困惑。如果没有受限解码,这通常会导致模式违规或幻觉操作。 为了解决这一问题,同时提升动作选择的效果,Manus 使用了一个上下文感知的状态机来管理工具的可用性。它不是移除工具,而是在解码过程中屏蔽Token的对数概率,以根据当前上下文防止(或强制)选择某些动作。 在实际操作中,大多数模型提供商和推理框架都支持某种形式的响应预填充,这使你可以在不修改工具定义的情况下限制动作空间。函数调用通常有三种模式(我们以NousResearch 的 Hermes 格式为例): 自动——模型可以选择是否调用函数。通过仅预填回复前缀实现:<|im_start|>assistant 必需——模型必须调用一个函数,但选择不受限制。通过预填充到工具调用标记实现:<|im_start|>assistant 指定——模型必须从特定子集中调用函数。通过预填充到函数名开头实现:<|im_start|>assistant {"name": “browser_ 利用此方法,我们通过直接屏蔽标记的对数概率来限制动作选择。例如,当用户提供新输入时,Manus 必须立即回复,而不是执行动作。我们还特意设计了具有一致前缀的动作名称——例如,所有与浏览器相关的工具都以 browser_开头,命令行工具以 shell_开头。这使我们能够轻松确保代理在特定状态下仅从某一组工具中选择,而无需使用有状态的对数概率处理器。 这些设计有助于确保Manus 代理循环保持稳定——即使在模型驱动架构下也是如此。 将文件系统用作上下文 现代前沿的LLMs 现在提供 128K Token或更多的上下文窗口。但在现实世界的智能代理场景中,这通常不够,有时甚至成为负担。有三个常见的痛点: 1. 观察内容可能非常庞大,尤其是当代理与网页或PDF 等非结构化数据交互时。很容易超出上下文限制。 2. 即使窗口技术上支持,模型性能在超过某个上下文长度后往往会下降。 3. 长输入代价高昂,即使使用前缀缓存也是如此。你仍然需要为传输和预填充每个标记付费。 为了解决这个问题,许多智能体系统实施了上下文截断或压缩策略。但过度压缩不可避免地导致信息丢失。问题是根本性的:智能体本质上必须基于所有先前状态来预测下一步动作——而你无法可靠地预测哪条观察在十步之后可能变得关键。从逻辑角度看,任何不可逆的压缩都存在风险。 这就是为什么我们将文件系统视为Manus 中的终极上下文:大小无限,天生持久,并且可以由智能体自身直接操作。模型学会按需写入和读取文件——不仅将文件系统用作存储,更作为结构化的外部记忆。 我们的压缩策略始终设计为可恢复的。例如,只要保留网址,网页内容就可以从上下文中删除;只要沙盒中仍有文档路径,文档内容也可以省略。这使得 Manus 能够缩短上下文长度而不永久丢失信息。 在开发此功能时,我不禁想象,状态空间模型(SSM)要在具代理性的环境中有效工作需要什么条件。与 Transformer 不同,SSM 缺乏完全的注意力机制,难以处理长距离的向后依赖。但如果它们能掌握基于文件的记忆——将长期状态外部化而非保存在上下文中——那么它们的速度和效率可能会开启新一代代理。具代理性的 SSM 或许才是神经图灵机的真正继任者。 通过背诵操控注意力 如果你使用过Manus,可能会注意到一个有趣的现象:在处理复杂任务时,它倾向于创建一个 todo.md 文件,并随着任务的推进逐步更新,勾选已完成的事项。 这不仅仅是可爱的行为——这是一种有意操控注意力的机制。 Manus 中的一个典型任务平均需要大约 50 次工具调用。这是一个较长的循环——由于 Manus 依赖 LLMs 进行决策,因此在长上下文或复杂任务中,容易偏离主题或忘记之前的目标。 通过不断重写待办事项清单,Manus 将其目标反复写入上下文末尾。这将全局计划推入模型的近期注意力范围,避免了“中途丢失”问题,减少了目标不一致的情况。实际上,它利用自然语言来引导自身关注任务目标——无需特殊的架构改动。 保留错误信息 智能体会犯错。这不是漏洞——这是现实。语言模型会产生幻觉,环境会返回错误,外部工具会出现异常,意外的边缘情况时常发生。在多步骤任务中,失败不是例外;它是循环的一部分。 然而,一个常见的冲动是隐藏这些错误:清理痕迹,重试操作,或重置模型状态,寄希望于神奇的“温度”参数。这看起来更安全、更可控。但这付出了代价:抹去失败就抹去了证据。没有证据,模型就无法适应。 根据我们的经验,改善智能体行为的最有效方法之一看似简单:在上下文中保留错误的路径。当模型看到失败的操作及其产生的观察结果或堆栈跟踪时,它会隐式地更新内部信念。这会使其先验偏离类似的操作,从而减少重复同样错误的可能性。 事实上,我们认为错误恢复是衡量真正智能体行为的最明确指标之一。然而,在大多数学术研究和公开基准测试中,这一指标仍然被忽视,这些研究和测试通常侧重于理想条件下的任务成功率。 避免被少量示例限制 少量示例提示是提升LLM 输出的常用技巧。但在智能体系统中,它可能以微妙的方式适得其反。 语言模型擅长模仿;它们会复制上下文中的行为模式。如果你的上下文充满了类似的过去动作-观察对,模型往往会遵循这种模式,即使这已不再是最优选择。 在涉及重复决策或操作的任务中,这可能会带来危险。例如,在使用Manus 帮助审查一批 20 份简历时,代理经常陷入一种节奏——仅仅因为上下文中出现了类似内容,就重复执行相似的操作。这会导致偏离、过度泛化,甚至有时产生幻觉。 解决方法是增加多样性。Manus 在动作和观察中引入少量结构化的变化——不同的序列化模板、替代表达、顺序或格式上的细微噪声。这种受控的随机性有助于打破模式,调整模型的注意力。 换句话说,不要让少量示例把自己限制在固定模式中。上下文越统一,代理就越脆弱。 结论 上下文工程仍是一门新兴科学——但对于代理系统来说,它已经至关重要。模型可能变得更强大、更快速、更廉价,但再强的原始能力也无法替代记忆、环境和反馈的需求。你如何塑造上下文,最终决定了代理的行为:运行速度、恢复能力以及扩展范围。 在Manus,我们通过反复重写、走过死胡同以及在数百万用户中的实际测试,学到了这些经验。我们在这里分享的内容并非普遍真理,但这些是对我们有效的模式。如果它们能帮助你避免哪怕一次痛苦的迭代,那么这篇文章就达到了它的目的。 智能代理的未来将由一个个情境逐步构建。精心设计每一个情境。 £¬¸ü¶àÍÆ¼ö£º18 大又黄

ɨһɨÔÚÊÖ»ú·­¿ªÄ¿½ñÒ³
ÍøÕ¾µØÍ¼