当前时间:2025-07-23 04:57:28
X

用户名:

密   码:

您现在的位置: 首页 > 新闻速览

新闻速览

小妲己湿地福利院入口:越南游船倾覆事故官方通报:游船实载49人,确认35人死亡4人失踪

2025-07-23

小妲己湿地福利院入口

俄罗斯方面并未直接回应乌克兰的提议。据路透社报道,克里姆林宫发言人佩斯科夫20日对俄罗斯国家电视台表示,普京已准备好推动乌克兰问题和平解决,但莫斯科的主要任务是实现其目标。佩斯科夫对国际电视台记者说:“普京总统多次表示,他希望尽快和平解决乌克兰问题。这是一个漫长的过程,需要付出努力,而且并非易事。对我们来说,最重要的是实现我们的目标。我们的目标很明确。”,越南游船倾覆事故官方通报:游船实载49人,确认35人死亡4人失踪

小妲己湿地福利院入口

左运超致辞

分省份来看,共有11个省份上半年居民人均可支配收入超过了2万元,其中,北京和上海超过了4.5万元。数据显示,上半年,上海居民人均可支配收入46805元,位居第一。

bpl778184.jpg

张胜利主持会议

ciz697532.jpg

李政华报告

“那时候如果地里没活,我爸经常开着货车去外地拉煤”,赵某某的小儿子田先生向中国新闻周刊说。对于四叔田永明的记忆他很模糊,“那时候我还在上小学,没怎么接触过他,但是在我眼里他特别讨厌,我特别恨他。”

kom032654.jpg

高卫忠作报告

随着凌志峰履新公安部副部长,目前公安部领导共有9人,王小洪任中央书记处书记,国务委员、国务院党组成员,部长、党委书记。亓延军任部党委副书记、分管日常工作的副部长,任爱荣任部党委委员,中央纪委国家监委驻公安部纪检监察组组长,徐大彤任部党委委员、副部长,王志忠任部党委委员、副部长,国家移民管理局(中华人民共和国出入境管理局)党组书记、局长,凌志峰任部党委委员、副部长,政治部主任,岳修虎任部党委委员、反恐专员,杨维林任部党委委员、副部长,刘忠义任部党委委员、部长助理。

azp664427.jpg

钱万旭报告

北京时间7月21日,NBA夏季联赛决赛国王对阵黄蜂,黄蜂率先压制国王在次节开局领先18分优势,班克斯下半场开局肘击卡德维尔头部,被吹罚二级恶意犯规被驱逐。国王顽强反扑在最后阶段一度追到仅差1分,黄蜂接连贡献关键罚球得分锁定胜局,最终黄蜂83-78险胜国王,以6胜0负战绩夺得夏季联赛冠军,也是黄蜂队史首次获得夏联冠军,新科4号秀克努佩尔4记三分21分5篮板获得FMVP,国王获得夏联亚军。

gey803535.jpg

赵爱国作报告

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: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: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: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。

bzw612531.jpg

周长喜作报告

近日,萨巴伦卡的前教练、前ATP球员图萨诺夫在采访中公开批评前弟子,披露了两人2018年合作期间因职业态度问题爆发的激烈冲突。这段旧事重提,不仅展现出了网球天才少女的成长阵痛,更折射出职业体育中教练与球员权力关系的微妙平衡,当天赋遇上纪律,当个性碰撞职业伦理,谁该为“对错”买单?

rij990653.jpg

张邦球作报告

这一事件暴露出一个经典矛盾:年轻天才往往因天赋异禀而获得更多宽容,但职业体育的残酷性恰恰要求绝对的专注与纪律。萨巴伦卡当时的世界排名正在飙升,成绩的快速提升可能让她低估了细节的重要性。而图萨诺夫作为经历过职业网坛磨砺的教练,对“尊重赛场”的执着显然更符合传统职业伦理。

uqs956222.jpg

郑国生报告

2023年夏季,切尔西宣布与美国科技公司 Infinite Athlete 达成赞助合作,后者成为俱乐部的主衣胸广告赞助商。双方签署了一份为期一年的合同,合同金额据估超过4000万英镑。

hdd688131.jpg

王力报告

报道说,鸟击事件发生时,这架战机正在进行特技飞行表演。事情发生后,这架战机离开航展,前往附近的圣哈维尔空军基地。西班牙空军维修部队的专家小组已前往该基地评估飞机受损情况。

表格显示,Meta 超级智能实验室的成员中,有一半是华人,但其中仅有 1 人的博士是在中国拿到的,其余都是在美国和澳大利亚(1 人)。

在当天举行的第四届链博会参展签约仪式上,霍尼韦尔、GE医疗、西门子、康宁、住友电工、中兴通讯、阿里巴巴、赛力斯、稳健医疗等102家中外企业和机构签署参展意向,比去年现场签约数量增加50%。(完) 更多推荐:小妲己湿地福利院入口

来源:王永强

标签:越南游船倾覆事故官方通报:游船实载49人,确认35人死亡4人失踪

43.13K

相关报道

指导单位: 国家能源局新能源和可再生能源司
国家电网公司农电工作部
中国南方电网有限责任公司农电管理部
主办单位:中国电机工程学会农村电气化专委会
北京国宇出版有限公司
北京通电广告传媒有限公司

联系方式:北京市宣武区白广路北口综合楼 电话:010-63812275
北京二十一世纪炎黄经济信息中心制作维护
QQ群:11847090(已满) 173289244  122540273
京ICP证060545号 京ICP备10019665号

京公网安备 11011502003629号