ÈËÉú¾ÍÊDz©(ÖйúÇø)¹Ù·½ÍøÕ¾

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

精品久 ÄÐÒÕÈËÕÅÒÕÑóɱ¾16ËêÅ®Óѱ»Ç¹¾ö£¬³ÉÓéÀÖȦÊ×λ±»Ö´ÐÐËÀÐ̵ÄÒÕÈË

2025-07-24 16:23:57 ȪԴ£º Õŵî·å
×ֺţºÄ¬ÈÏ ´ó ³¬´ó | ´òÓ¡ |

精品久

精品久

精品久?但比罚款更致命的是信誉破产,曾经追着她要代言的品牌纷纷撤退,某国际奢侈品牌甚至连夜撤下她代言的广告牌,宁愿支付高额违约金也要切割关系。 ÄÐÒÕÈËÕÅÒÕÑóɱ¾16ËêÅ®Óѱ»Ç¹¾ö£¬³ÉÓéÀÖȦÊ×λ±»Ö´ÐÐËÀÐ̵ÄÒÕÈË

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

精品久?11日,鲁比奥在吉隆坡与日本外相岩屋毅、韩国外交部第一次官朴润柱举行三边会谈。韩联社称,三方就朝鲜半岛局势、地区安全合作以及三国经济合作等议题深入交换意见。 ËÎÈðÉú¼ÇÕß Àîʿΰ Éã

精品久?如果说老牌巨头撑不起市场,那么新秀选手至今也没站稳脚跟。最被看好的蓝色起源,其旗舰产品“新格伦”2025年初首飞,但回收失败,整体可靠性亟待验证。而在NSSL第3阶段的Lane 2竞标里,它根本还不够格承担复杂任务。想要完成技术验证、建立可靠性、实现大规模量产,“新格伦”至少还需要两三年时间。

精品久?红星新闻记者了解到,在周炎鑫起诉马某等人的同时,马某等人也曾两次起诉周炎鑫,要求周炎鑫支付后续租金、房屋修复等费用,获得胜诉。卢某告诉红星新闻,自己非常后悔将房子租给周炎鑫。

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

精品久?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。 ºú¿­Ãô¼ÇÕß °üÓÀÏé Éã

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

精品久?我也会觉得很累,因为我觉得我身处的这个时代,打好乒乓球好像并不是唯一的答案了 ;我也想自由地喘口气,享受一下生活,多陪伴一会儿家人…… ¸ßÊé²ý¼ÇÕß ËïÀö Éã

精品久?昨晚(7月19日),权志龙马来西亚演唱会首场拉开帷幕,现场来了好多人,其中包括大家熟悉的港星,比如谢金燕(50岁)、陈山聪(48岁)、傅嘉莉(40岁)、陶大宇(61岁)、黄宗泽(44岁)等。

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

精品久?特朗普透露,在文章刊发前,他就打电话给默多克,试图紧急干预。他告诉默多克,所谓写给爱泼斯坦的信,完全是伪造的,如果报纸要刊登,就会被起诉。默多克也同意,说他会处理此事,“但显然他没有权力这么做”。 Ãű£ÖݼÇÕß Ê±ÑÞ´º Éã

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

精品久?考虑到网球运动对肘部健康的要求,郑钦文大概率在术后6个月内是无法重返赛场了。媒体ALL体育指出,郑钦文几乎很难赶上今年的美网比赛,且有概率本赛季已经提前结束。 ½¯µÂÕä¼ÇÕß ÑîÐÂÔ¸ Éã

精品久?该质量投诉事件涉及长沙润府项目B地块B03#、B09#、B10#三栋楼,建设单位为长沙润悦房地产开发有限公司,施工总承包单位为中建五局第三建设有限公司,精装施工单位为深圳时代装饰股份有限公司、上海金茂建筑装饰有限公司,监理单位为深圳市邦迪工程顾问有限公司,设计单位为上海天华建筑设计有限公司。

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

精品久?2024年8月对董岚昕的家庭来说,异常艰难。丈夫失业已经半年,中间找熟悉的猎头介绍去了一家公司面试,offer都已经下了,8月15日她让丈夫拉着行李提前去当地等候入职。但后来猎头传递的消息就是,“老板在办理入职的时候没有签字,‘他是78年的不是98年的’”。同期,他还经历了前后4次面试讲PPT的“白嫖”。 ÂÀÃ÷²¨¼ÇÕß ÉêÖÎ Éã

精品久?2007年至2024年4月,被告人刘志强利用担任公安部国际合作局局长,青海省副省长、省公安厅厅长,司法部党组成员、副部长,国家禁毒委员会委员等职务上的便利以及职权、地位形成的便利条件,为他人在企业经营、项目承揽、业务推广、职务晋升等事项上提供帮助,直接或通过他人非法收受相关人员给予的财物共计折合人民币4245万余元。

精品久?《你行!你上!》的第一个场景选择了“郎朗和父亲爆发争吵,郎朗自我伤害”。看到电影这么起头的我甚至对姜文抱了一丝不切实际的期待,他竟然能选中这个场景。

精品久?白天高温炙烤,人们普遍不愿或不宜进行户外活动,相对凉爽的傍晚和夜间,成为人们外出纳凉、社交、消费的理想时段。在旺盛的夜间需求下,餐饮店亮灯的时间越来越长。目前,全国已有超11万家餐饮门店在美团平台上“点亮”了“全天营业”标识,7月以来提供24小时餐饮服务的线上门店数同比增长48%。美团数据显示,从在京消费者的品类偏好来看,7月以来最受欢迎的到店夜宵品类依次是烧烤 火锅和地方特色菜,这三大品类贡献了北京市67%的宵夜到店订单,其中地方特色菜的宵夜到店订单同比增长了30%。

精品久?300多套房源一次性涌入市场,对晨光家园及周边二手房业主们是一场考验。因为这些房源一旦进入市场,其体量相当于晨光家园过去6年二手房成交量之和。受此影响,价格更贵、首付比例更高的存量二手房或将面临“有价无市”的困境。

精品久?冰品消费同样火热,冰沙环比增长98%,冰淇淋机环比增长879%。夜间消费表现出色,冰啤酒的销量远超白天,成为夏日夜晚的“降温标配”。

精品久?腰部曲线的构造其实是特别方便的,像带有腰带的单品,就可以帮助女性轻松刻画出曲线,但如果服装不具备腰带这一元素,也可以将下摆塞到裤子以及裙子里面,来自动的调整出好看且偏高的腰部曲线。无论是选用裤子还是裙子,都可以采用这样的方式,将腿型进行纵向的拉长。

精品久?党的十八大以来,创新驱动发展战略上升为国家战略。研发经费的快速增长得益于财政科技支出的持续增加,以及对企业实施税收激励等一系列政策支持。国家将重点研发计划聚焦于前沿高新技术,如人工智能、光刻机、高端芯片、生物制造、第四代核电技术、下一代信息通信技术等领域,并取得了不小的突破。

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

精品久?在那家公司期间,拜伦对员工的控制欲特别旺盛,喜欢在一些琐碎的事情上折磨下属,还特别喜欢在公司内部形成小团体,结果不少员工因此心理压力大,有的甚至干脆辞职了。 Áº±¦»ª¼ÇÕß ÉÛ¾ÅÖÞ Éã

精品久?不止一位受访者提到,陈航回归后强化了考勤管理,这引起了一些员工的不满,但也体现了“他对效率和执行力的重视”,许笑称,在AI转型的关键时期,这种管理风格可能是必要的。当然,钉钉能否在AI时代保持领先,最终还要看产品的竞争力和用户的接受度。

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

精品久?这背后反映出一个有趣的现象:对于全球开发者来说,Perplexity用不用某个开源模型,实际上已经演变成了一个重要的风向标。它所指向的,不仅仅是技术优劣,更是开源模型能否经受住真实产业环境考验的关键信号。 ÑÕ¿¥Í¢¼ÇÕß Àîΰ Éã

精品久?而这部《立春》则让董璇提名了金鸡百花最佳女配,此后,导演们都很看好董璇,赵宝刚承诺要为她量身打造《夜幕下的哈尔滨》,

精品久?郭先生补充,事发到现在,司机从未主动联系过他们,刚开始跟司机打了一通电话还能打通,后来就再也无法接通。处理完弟弟的后事,郭先生把司机告上法庭,“7月16日开庭,他也没有到场”。

精品久?“上班的时候来来回回抱着全是粪便的管子,和粪便零距离接触。但下班洗完澡换上衣服后,我会开着家里的奔驰车出去和朋友吃饭聊天。”潘浩男说。 £¬¸ü¶àÍÆ¼ö£º永久免费 看片

ɨһɨÔÚÊÖ»ú·­¿ªÄ¿½ñÒ³
ÍøÕ¾µØÍ¼