ÈËÉú¾ÍÊDz©(ÖйúÇø)¹Ù·½ÍøÕ¾

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

欧美精品日韩二区,三区 ÃàÖÐ1ÈË£¬ÄÏɽ1ÈË£¬2025ÄêNOI»ñ½±Ãûµ¥½ÒÏþ

2025-07-22 22:39:40 ȪԴ£º Ф¿ýÔª
×ֺţºÄ¬ÈÏ ´ó ³¬´ó | ´òÓ¡ |

欧美精品日韩二区,三区

欧美精品日韩二区,三区

欧美精品日韩二区,三区?云南警方告诉杨女士,可以查询到彭宇轩从西安飞到昆明,没有找到其他有效信息,杨女士联系勐啊口岸的报警电话,该口岸也没有查询到彭宇轩的相关踪迹。 ÃàÖÐ1ÈË£¬ÄÏɽ1ÈË£¬2025ÄêNOI»ñ½±Ãûµ¥½ÒÏþ

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

欧美精品日韩二区,三区?【环球时报特约记者 吕克】 “停播震惊了美国电视行业。”《斯蒂芬·科尔伯特晚间秀》(《“扣扣熊”晚间秀》)即将停播的消息,引发众多美媒的感慨。此前,该节目平台方美国哥伦比亚广播公司(CBS)于17日宣布,这档有10年历史、收视率颇高的节目将于明年5月停播。尽管CBS及其母公司派拉蒙解释称这是因“财务决策”,与其他因素无关,但整体来看,美国深夜电视节目似乎都难摆脱逐渐消亡的趋势。 ÍõʤÁÖ¼ÇÕß ÍòÐËΰ Éã

欧美精品日韩二区,三区?而言承旭,倒是十分冻龄,对比17年前的模样,差别不大,是偶像的精致模样,从头发丝到脚,全是细心打点过,尤其是美甲的样式,还镶了钻钻。

欧美精品日韩二区,三区?红星资本局注意到,陈小姐的购车协议显示,厦门欧行系“卖方”,协议车辆由卖方向浙江极氪智能科技有限公司(极氪厂家)采购。销售称,这是第三方合作伙伴,还举例称“就像是子公司向总公司采购车辆”。

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

欧美精品日韩二区,三区?“在柬埔寨这么多年,大大小小的打击(电诈)行动我遇到过很多次,但从没有像这次规模这样巨大的,可以说是前所未有的清剿行动。” ¹ù³Ì¼ÇÕß ÂÞѧ¸» Éã

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

欧美精品日韩二区,三区?全民皆可参与的“苏超”火热进行。7月20日晚,在苏超第七轮角逐中,淮安2:1客场战胜无锡,而帮助淮安锁定胜局的是一位来自基层乡村的党支部书记——今年39岁的戴虎,而这一粒进球是他本次比赛的首粒进球,更是“苏超”开赛以来第100粒进球。 ÁõµÂºÆ¼ÇÕß ÕÅÇÚѧ Éã

欧美精品日韩二区,三区?还解释道了那天自己为什么敲锣打鼓,表示到那是唱大戏,似乎是他们那边的“特色”,其实在94岁这样的高龄,老爷子可以没有痛苦,安安安晶晶的离世,这未尝不是一种别样的幸福,也算是一种好事。

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

欧美精品日韩二区,三区?更强调城市发展中公共物品的公平正义配置,这也是现代化人民城市理论区别于西方理论的重要分水岭。比如,西方理论将城市空间视为权力博弈的场所,而“人民城市”将其转化为“公共产品”,强调通过广泛参与和高效协商来实现城市空间配置的公平正义。在实践中,我国新一轮城市更新普遍具有这一特征,城市治理部门通过广泛民主协商来确定城市更新的内容与范围,更好满足人民群众对美好生活的向往。 ÁõÖ¾¹ú¼ÇÕß Õ۶Çà Éã

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

欧美精品日韩二区,三区?深圳新鹏城对阵青岛海牛的比赛中,新援韦斯利仅用3分钟就完成首秀进球,随后在44分钟,51分钟分别再进一球,完成帽子戏法。 ÕÅ»ÝÉú¼ÇÕß Îâѩͬ Éã

欧美精品日韩二区,三区?如果要真正拉开差距,得在35万价位区间。在这个价位,你可以买到全新XC60插混版,它的零百加速时间只要5秒;而全新X3的xDrive30L,则需要6.6秒。如果你喜欢开快车,预算又比较充足的话,可以首先考虑一下全新XC60插混版。

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

欧美精品日韩二区,三区?大家可以根据自己下半身的情况去挑选合适的裤子或者是裙子,如果双腿较为紧致,其实可以利用偏短的裙子,放大轻盈感,若是想要修饰瑕疵,换成阔腿长裤更合适。 Íõ½¥ºé¼ÇÕß ÀîÐñ¶« Éã

欧美精品日韩二区,三区?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。

欧美精品日韩二区,三区?7月16日下午,华商报大风新闻记者联系到邓某,他表示,自己已经不在广东泰逢律师事务所执业。韦先生将他投诉到律所、律协以及司法局,“律协、司法局都觉得他没道理。这事对我没有影响。”

欧美精品日韩二区,三区?利物浦下半场阵容:马马尔达什维利(59'佩奇)、远藤航、科纳特、基耶萨、加克波、齐米卡斯、赫拉芬贝赫、本-多克(74'斯蒂芬森)、凯尔凯兹、弗林蓬、布拉德利。

欧美精品日韩二区,三区?巴西将在2026年举行总统选举,现任总统卢拉有资格竞选第四个任期。路透社报道称,卢拉已暗示将参加大选,但尚未正式宣布。当地时间7月4日,卢拉在里约热内卢出席活动时表示:“做好准备。如果一切按照我的想法发展,这个国家将第一次拥有一位由巴西人民选举四次的总统。”

欧美精品日韩二区,三区?从企业角度来看,内外贸一体化发展,为外贸企业经营提质增效带来了新的机遇。如今,在电商平台和商场超市专柜,越来越多贴着“原出口”标签的商品走进国内消费者视野。外贸企业要主动应对国内外的新形势,就要转变发展思路,调整经营策略,将眼光放在稳定性和灵活性更强的市场上,通过生产要素整合、产业结构优化,提升物流效率和产业协同水平,增强自身抗风险能力。

欧美精品日韩二区,三区?目前来看,大鹏执导的《长安的荔枝》赢面会更大一点,因为有剧版的对比,影版能够尊重原著这一点就足够吸引人了,大鹏的面子也不小,连85花杨幂都请来了。

欧美精品日韩二区,三区?当被问到英伟达是否会考虑开源CUDA时,黄仁勋表示,“如果一个平台与CUDA兼容,我觉得是没问题的。实际上,CUDA本身就比较开发,你可以查阅CUDA的详细版本,然后基于此开发兼容版本。因此,从某种程度上来说,CUDA已经是开源的。”

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

欧美精品日韩二区,三区?在她看来,中国学生和美国的大学,仍然是互相需要的,“只要中美关系的门是打开的,中国留学生和美国大学这种互相需要的关系,仍然是可持续的。” öĽ¡¼ÇÕß Ë﷽˳ Éã

欧美精品日韩二区,三区?CNN称,科尔伯特的节目只剩下不到一年的时间,这意味着美国电视领域一位最坚定的“特朗普批评者”将不得不离开。特朗普本人则对CBS的决定拍手称快,“我非常高兴科尔伯特被解雇,他的天赋比他的收视率要低得多。”

ÈËÉú¾ÍÊDz©¡¤(ÖйúÇø)¹Ù·½ÍøÕ¾

欧美精品日韩二区,三区?7月16日,余姚市政府召集多个部门召开会议,听取余姚市住房与城乡建设局(下称“余姚市住建局”)关于余姚市甬兴气体分滤厂(下称“甬兴气体”)申请瓶装液化石油气经营许可证引发的诉讼纠纷的汇报。 ¶ÅÎÀÃñ¼ÇÕß ÑîÓñÕð Éã

欧美精品日韩二区,三区?这算作弊吗?或许吧。锡安和弗拉格的一年即走大学生涯几乎如出一辙,两人均获得了年度最佳球员和年度最佳新生的荣誉,这一成就在大学篮球历史上仅有两位球员达成(凯文-杜兰特和安东尼-戴维斯,稍后我们会提到他们)。虽然他们都未能赢得全国冠军,但至少弗拉格打入了四强。他们的魅力可以这样总结:只要他们在电视上出现,你就会去看他们的比赛。他们都是NCAA历史上极少数能够在一个赛季内得到500分、50次抢断和50次盖帽的大一新生之一。两人谁更胜一筹?如果真有区别,我也没能发现。

欧美精品日韩二区,三区?杜虎认为,酒泉中院二审生效裁定证明,车辆并非登记在李某的代理货运部或商贸公司名下,却被李某派人持未生效的一审裁定将车领走,超限站明显有错。其次,二审生效裁定载明,法院根据机动车交易协议查明,购车方是杜虎,但交通局却不认可,属于推诿。

欧美精品日韩二区,三区?接受《环球时报》记者采访的中国专家表示,虽然“护身军刀”演习的规模不断膨胀,但其主力依然是美国和澳大利亚,其他大部分参演国家都只是“重在参与”,特别是部分欧洲国家的舰艇,基本不可能在战时横跨半个地球来给美国“助战”。 £¬¸ü¶àÍÆ¼ö£º高清乱码 麻豆

ɨһɨÔÚÊÖ»ú·­¿ªÄ¿½ñÒ³
ÍøÕ¾µØÍ¼