网易首页 > 网易号 > 正文 申请入驻

字节跳动揭示多模态大模型的"工具使用"革命

0
分享至

这项由浙江大学郭子润、洪敏杰、谭韬等研究者与字节跳动BandAI团队合作完成的重要研究发表于2025年12月的arXiv论文库,论文编号为arXiv:2512.03746。对这一前沿研究感兴趣的读者可以通过该编号查询完整论文。

当你拿起手机拍了一张照片,却发现图片歪了或者文字看不清时,你会怎么做?大多数人会很自然地旋转手机屏幕,或者用手指放大图片来看清细节。这些看似简单的操作,对于人工智能来说却是一个巨大的挑战。

如今的AI图像识别技术已经相当先进,能够识别照片中的各种物体、阅读文字内容,甚至理解图片背后的含义。然而,研究团队发现了一个令人意外的问题:当图片稍微旋转一下,或者文字太小看不清楚时,这些先进的AI系统就会变得"手足无措",准确率急剧下降,有时甚至下降80%以上。

这就好比一个博学的教授,平时能够流利地讲解各种复杂理论,但当有人把教材倒过来放在他面前时,他就完全不知道该如何应对了。现实生活中,我们每天遇到的图片往往不是完美状态的——自拍可能是镜像的,文档可能扫描得歪斜,照片可能因为拍摄角度而需要旋转。如果AI无法处理这些日常情况,那它在实际应用中的价值就会大大降低。

为了解决这个问题,研究团队开发了一个名为"CodeVision"的革命性框架。与传统方法不同的是,这个系统不是简单地让AI"看"图片,而是教会AI像人类一样"动手"处理图片。当AI发现图片有问题时,它会自动编写代码来调用各种图像处理工具,比如旋转、裁剪、增强对比度等操作,然后再基于处理后的图片进行分析。

这种方法的巧妙之处在于将代码作为AI使用工具的通用接口。传统的AI系统需要预先定义好能使用哪些工具,就像给工人准备一个固定的工具箱。而CodeVision系统则让AI学会了"编程语言"这把万能钥匙,可以调用任何现有的图像处理功能,甚至能够创造性地组合多个工具来解决复杂问题。

一、AI的"近视眼"问题:当图片不完美时会发生什么

研究团队首先做了一个简单而直观的测试。他们从各个领域收集了200张图片,然后对每张图片进行五种常见的变换:顺时针旋转90度、180度、270度,水平翻转和垂直翻转。接着,他们让AI模型判断图片经历了哪种变换,这对人类来说是一个非常简单的任务。

结果让人震惊。即使是目前最先进的AI模型,如GPT-4和Gemini等,在这个看似简单的任务上表现都很糟糕,而普通人可以轻松做到100%准确。更重要的是,研究团队发现,当图片经过这些基本变换后,AI在各种实际任务中的表现都会显著下降。

以文字识别任务为例,当图片方向正确时,先进的AI模型能够达到85-90%的准确率。但是当图片旋转90度后,准确率可能降到60%左右;如果是180度旋转,准确率可能跌至45%;而对于水平或垂直翻转的图片,准确率甚至可能降到10%以下。这种表现差距就像一个平时能考90分的学生,当试卷倒过来放时只能考10分一样令人担忧。

在图表理解任务中,情况同样严重。正常方向的图表,AI能够准确理解其中的数据关系和趋势。但当图表旋转或翻转后,AI就像迷失方向的游客一样,无法正确解读其中的信息。这种脆弱性在现实应用中是不可接受的,因为我们无法保证所有输入的图片都是完美方向的。

这个发现揭示了当前AI系统的一个根本性问题:它们缺乏人类那种自然的"动手能力"。当人类看到一张倒置的图片时,会本能地旋转它;当文字太小看不清时,会放大图片。但是传统的AI系统只能"被动观看",无法主动调整输入内容来改善理解效果。

二、CodeVision:教AI学会"动手"的编程思维

面对这个挑战,研究团队设计了一个创新的解决方案——CodeVision框架。这个系统的核心思想是让AI像程序员一样思考和行动:当遇到问题时,不是硬着头皮去解决,而是先写代码来改善工作环境,然后再处理问题。

CodeVision系统的工作过程可以这样理解:当AI接收到一张图片和一个问题时,它首先会分析图片的状态,判断是否需要进行预处理。如果发现图片方向不对,它会编写代码来调用旋转功能;如果发现目标区域太小看不清楚,它会编写裁剪代码来放大特定区域;如果发现图片对比度不够,它会调用增强功能来改善视觉效果。

这种方法的最大优势是灵活性和可扩展性。传统的工具使用方法需要预先定义每个工具的名称、参数和调用方式,就像给AI一本固定的"工具使用手册"。如果要添加新工具或修改工具参数,就需要重新训练模型。而CodeVision则让AI学会了编程语言这个通用接口,可以调用任何现有的图像处理库和函数。

举个具体例子,当AI需要处理一张旋转了90度的包含小字的图片时,传统系统可能需要调用预定义的"rotate90"工具和"crop"工具。而CodeVision系统则会编写类似这样的代码:首先导入图像处理库,然后调用旋转函数将图片转正,接着计算目标文字区域的坐标,最后裁剪出包含文字的子图。整个过程就像一个熟练的程序员在解决图像处理问题一样自然流畅。

更令人印象深刻的是,CodeVision系统展现出了三个意想不到的"涌现能力"。首先是工具创新能力:系统能够调用训练时从未见过的新工具来解决问题,就像一个程序员能够学会使用新发布的编程库一样。其次是效率优化能力:系统学会了在一次执行中串联多个操作,而不是分步进行,大大提高了处理效率。最后是错误恢复能力:当代码执行失败时,系统能够分析错误信息,修改代码并重新尝试,展现出了令人惊讶的适应性。

三、两阶段训练:从模仿到策略思考的进化过程

训练CodeVision系统是一个精心设计的两阶段过程,就像培养一名优秀程序员需要先学习基础语法,再培养解决问题的战略思维一样。

第一阶段是"冷启动"监督学习阶段。研究团队构建了一个高质量的训练数据集,包含大约5000个精心设计的示例。这些示例涵盖了五种不同类型的任务:单工具使用、多工具组合、多步裁剪、错误处理和无工具解答。每个示例都包含完整的推理过程和代码实现。

在单工具使用示例中,AI学习如何识别图片问题并调用相应工具解决。比如看到一张旋转的图片,AI需要学会判断旋转角度并编写相应的旋转代码。多工具组合示例则更加复杂,需要AI学会组合使用多种工具来解决复杂问题,比如先旋转图片再裁剪特定区域。

错误处理示例特别有价值,因为它们模拟了真实编程中经常遇到的情况。研究团队故意在训练数据中加入了代码错误、参数错误等情况,然后展示AI应该如何分析错误信息并修正代码。这就像教学生不仅要知道正确答案,还要知道犯错后如何纠正。

第二阶段是强化学习阶段,这是整个训练过程的关键创新。研究团队设计了一个复杂的奖励函数,包含多个组成部分来指导AI的学习过程。这个奖励函数不仅关注最终结果是否正确,还关注AI是否使用了正确的策略和工具。

奖励函数的设计体现了深刻的教育智慧。首先是结果奖励,确保AI能够得出正确答案。其次是策略奖励,鼓励AI使用必要的工具和发现有益的工具组合。比如当图片确实需要旋转时,AI必须使用旋转工具才能获得策略奖励,即使它可能通过其他方式勉强得出答案。

最有趣的是"建议工具奖励"机制。系统会收集同一问题的多个解决方案,比较使用额外工具和不使用额外工具的成功率。如果使用某个额外工具确实提高了成功率,系统就会奖励那些使用该工具的解决方案。这种机制鼓励AI主动探索和发现有用的工具组合,而不是仅仅依赖预定义的必要工具。

为了防止AI的"取巧行为",研究团队还设计了约束惩罚机制。比如如果AI为了获得策略奖励而重复使用不必要的工具,或者在不需要工具的情况下强行使用工具,都会受到相应惩罚。这确保了AI学习到的是真正有效的策略,而不是游戏规则的漏洞。

四、MVToolBench:检验多工具协作能力的新标准

为了全面评估AI的工具使用能力,研究团队构建了一个全新的基准测试——MVToolBench。这个测试的设计理念是创造真正需要多个工具协作才能解决的挑战,就像现实世界中的复杂任务往往需要多种技能配合一样。

MVToolBench的构建过程充分考虑了实际应用场景。研究团队从HierText数据集中选择了包含丰富文本标注的图片,然后进行精心筛选,只保留那些目标文字区域占整张图片面积不到0.01%的样本。这种严格筛选确保了测试的挑战性——如果不使用裁剪工具放大目标区域,几乎不可能准确识别其中的文字内容。

接下来,研究团队针对这些筛选后的图片设计了各种类型的问题,包括文字识别、计数任务和信息提取等。问题设计的一个重要原则是避免使用任何位置提示,比如不会说"左边的文字"或"第三行的内容",而是通过内容描述来指定目标,如"以'Busy'开头的那行文字说了什么"。这种设计迫使AI必须依靠自己的理解能力来定位目标区域。

最后的关键步骤是为每张图片随机应用方向变换,包括90度、180度、270度旋转,以及水平翻转或垂直翻转。这样,解决任何一个问题都需要至少两个步骤:首先纠正图片方向,然后裁剪目标区域。这种设计确保了测试真正评估的是多工具协作能力,而不是单一工具的使用技巧。

在MVToolBench上的测试结果令人印象深刻。CodeVision系列模型在这个挑战性基准上取得了显著优势,其中CodeVision-7B模型达到了60.1分,几乎是第二名Gemini2.5-Pro(32.6分)的两倍。这种巨大差距表明,CodeVision框架在处理需要多步骤工具协作的复杂任务方面具有明显优势。

更值得注意的是,在传统的单工具基准测试(如V*和HRBench)上,CodeVision模型的表现与现有最佳模型相当,这说明新方法在保持原有能力的同时,显著提升了多工具协作能力。这种平衡发展体现了框架设计的巧妙之处。

五、实验验证:从理论到实践的全面检验

研究团队进行了大规模的实验来验证CodeVision框架的有效性。实验设计覆盖了多个维度,包括不同规模的模型、不同类型的任务和不同难度的挑战,确保结果的全面性和可靠性。

在图片方向识别能力测试中,CodeVision模型展现出了令人瞩目的改进。以OCRBench数据集为例,当图片经过180度旋转时,基础的Qwen2.5-VL-7B模型准确率仅为58.0%,而经过CodeVision训练的同规模模型准确率达到了73.1%,提升了15个百分点。在垂直翻转这个最困难的变换上,基础模型准确率仅为17.0%,CodeVision模型则达到了67.4%,提升幅度达到50个百分点。

在ChartQAPro图表理解任务中,改进同样显著。这个任务主要测试AI对图表内容的理解和推理能力,而不是对每个字符的精确识别。CodeVision-8B模型在处理水平翻转的图表时准确率达到39.7%,而基础模型仅为21.3%。这种改进表明,工具使用能力不仅提升了视觉感知,还增强了高层次的推理能力。

训练过程的分析揭示了CodeVision学习策略的有效性。奖励曲线显示,模型在训练过程中不仅提高了最终答案的正确率,还学会了更加战略性的工具使用方法。特别值得注意的是,"涌现工具使用"奖励的持续上升表明,模型正在主动发现和使用训练数据中未明确要求的有益工具。

通过具体案例分析,研究团队展示了CodeVision模型的多项高级能力。在一个典型案例中,模型需要处理一张既旋转又需要裁剪的复杂图片。模型首先分析图片状态,识别出需要90度旋转,然后编写代码执行旋转操作。接着,它分析旋转后的图片,确定目标文字区域的大致位置,编写裁剪代码提取该区域。最后,基于清晰的裁剪图片,模型准确回答了问题。

更令人印象深刻的是模型的错误恢复能力。在另一个案例中,模型最初选择了错误的变换操作(水平翻转而非90度旋转)。当接收到执行结果后,模型能够分析结果,意识到选择错误,然后自动修正策略,选择正确的旋转操作。这种自我纠正能力在传统AI系统中是很难实现的。

模型还展现出了创造性的工具组合能力。在一个需要增强图片对比度并转换为灰度图的任务中,模型将对比度增强和灰度转换操作巧妙地组合在一次代码执行中,而这两个工具在训练数据中从未以这种方式组合出现过。这种创造性组合能力表明,模型真正理解了工具的功能,而不是简单地记忆固定的使用模式。

六、技术细节:构建智能工具使用的关键要素

CodeVision框架的成功离不开多个技术层面的精心设计。首先是代码生成和执行环境的构建。研究团队创建了一个安全的代码执行沙盒,允许AI生成的代码在受控环境中运行,同时防止潜在的安全风险。这个执行环境支持主流的Python图像处理库,如OpenCV、PIL、numpy等,为AI提供了丰富的工具选择。

模型架构方面,CodeVision在现有的多模态大语言模型基础上进行了适配性改进。研究团队选择了Qwen2.5-VL和Qwen3-VL系列作为基础模型,这些模型在视觉理解和代码生成方面都具有良好的基础能力。通过在这些模型上进行专门的工具使用训练,实现了视觉理解、代码生成和工具调用的有机统一。

训练数据的构建过程体现了研究团队的深厚经验。他们从多个领域收集了训练样本,包括手写文字数据集、野外OCR数据集、表格图表数据集和数学推理数据集。为了确保数据质量,团队开发了自动验证机制,通过比较工具操作前后的结果来判断操作的正确性。只有通过验证的高质量示例才被纳入最终的训练数据集。

强化学习的实现采用了GRPO(Group Relative Policy Optimization)算法,这是一种改进的策略优化方法,特别适合处理具有复杂奖励结构的任务。训练过程中,每个样本会生成8个不同的解决方案,通过比较这些方案的奖励来指导模型学习更好的策略。

约束惩罚机制的设计特别精巧。研究团队识别了三类需要惩罚的行为:超出合理回合数的冗余操作、在目标区域IoU很低情况下声称正确答案的低质量推理,以及在不需要工具时错误使用方向调整工具的不当操作。这些惩罚机制确保了模型学习到高效、准确的工具使用策略。

七、突破与局限:技术进步的真实画像

CodeVision框架在多个方面实现了显著突破,但也存在一些需要进一步改进的局限性。研究团队以客观态度分析了这些优势和不足,为未来发展指明了方向。

最显著的突破是工具使用的灵活性。传统方法需要为每个工具预定义接口和参数,而CodeVision通过代码作为通用接口,实现了真正的工具使用灵活性。这种设计不仅支持现有工具的使用,还为未来工具的整合提供了无限可能。模型能够调用训练时从未见过的新工具,并且能够创造性地组合多个工具来解决复杂问题。

在错误恢复能力方面,CodeVision也展现出了传统方法难以企及的优势。当代码执行失败或结果不理想时,模型能够分析错误信息,理解失败原因,并相应调整策略。这种能力使得AI系统在面对意外情况时具有更好的鲁棒性。

训练效率的提升是另一个重要优势。通过两阶段训练策略,模型能够在相对较少的训练数据上获得显著的性能提升。监督学习阶段为模型提供了基础能力,强化学习阶段则优化了策略选择,这种分工明确的训练方式比端到端训练更加高效。

然而,研究团队也坦诚地指出了一些局限性。首先是工具范围相对有限。目前的研究主要集中在图像的基础操作上,如旋转、裁剪、对比度调整等。虽然这些操作在实际应用中很重要,但要构建真正通用的视觉助手,还需要整合更多类型的工具,如图像生成、多图像对比、三维处理等。

精确定位能力是另一个需要改进的方面。虽然模型能够大致确定目标区域的位置,但在生成精确的裁剪坐标时仍有不足。研究团队观察到,模型有时会采用"安全策略",裁剪出比实际需要更大的区域以确保包含目标内容,这虽然能够完成任务,但效率不够理想。

计算成本也是一个现实考虑因素。由于需要多轮代码生成和执行,CodeVision的推理过程比传统的单次前向传播需要更多计算资源。在实际部署时,需要在性能提升和计算成本之间找到合适的平衡点。

评估基准的构建虽然有所创新,但仍有扩展空间。目前的基准主要关注文本相关的任务,未来需要构建更多样化的评估场景,涵盖不同类型的视觉理解和推理任务。

八、实际应用前景:从实验室到日常生活的转化

CodeVision框架的潜在应用前景十分广阔,几乎涵盖了所有需要智能图像处理的场景。在文档处理领域,这项技术能够自动处理各种方向和格式的扫描文档,无论是歪斜的发票、旋转的合同还是模糊的身份证件,都能通过自动调整和增强来提高识别准确率。

在教育技术方面,CodeVision可以大大改善在线学习体验。学生上传的作业照片往往质量参差不齐,可能存在角度倾斜、光线不佳、字迹模糊等问题。传统的AI批改系统在处理这些"非标准"图片时效果很差,而配备CodeVision技术的系统能够自动纠正这些问题,准确识别学生的答案和解题过程。

医疗影像分析是另一个重要应用领域。医疗设备产生的图像有时需要调整对比度、旋转角度或裁剪特定区域才能进行准确分析。CodeVision技术能够让AI系统像经验丰富的影像医生一样,自动进行这些预处理操作,然后进行精确的病理分析。

在社交媒体和内容管理方面,这项技术能够自动处理用户上传的各种图片。无论是自拍时的镜像效果、风景照的方向问题,还是文档照片的质量问题,都能通过智能处理来改善用户体验。平台可以在用户上传图片后自动进行优化,提供更清晰、更准确的显示效果。

工业检测和质量控制领域也将大大受益。生产线上的产品图像可能因为摄像头角度、光照条件或产品位置的变化而需要动态调整。CodeVision技术能够让检测系统自动适应这些变化,确保检测的准确性和可靠性。

无人驾驶汽车的视觉系统同样可以从这项技术中获益。在复杂的驾驶环境中,摄像头可能因为震动、污垢或角度问题而影响图像质量。配备智能图像处理能力的视觉系统能够实时调整和优化输入图像,提供更准确的环境感知能力。

值得注意的是,CodeVision的代码生成特性还为个性化应用开辟了新的可能性。不同用户可能有不同的图像处理需求,系统能够根据具体情况生成定制化的处理代码,而不是依赖预设的处理流程。

九、深入剖析:奖励机制设计的智慧

CodeVision框架中最精巧的部分之一是其奖励函数的设计,这个看似技术性的细节实际上体现了深刻的教育哲学和心理学洞察。研究团队在设计这个奖励系统时,必须解决一个根本性问题:如何让AI不仅学会得出正确答案,还学会使用正确的方法。

传统的AI训练往往只关注最终结果——答案对了就是好,答案错了就是坏。但这种简单的奖励机制在复杂任务中会导致AI学会"取巧"行为。就像学生可能通过猜测或作弊得到正确答案,但实际上没有真正理解知识一样。

CodeVision的奖励设计采用了"过程导向"的思路。系统不仅要求AI得出正确答案,还要求它使用恰当的工具和合理的步骤。这就像一个好老师不仅看学生的答案,还要看学生的解题过程,确保学生真正掌握了解题方法。

"必需工具奖励"机制特别有趣。当一张图片确实需要旋转时,AI必须使用旋转工具才能获得这部分奖励,即使它可能通过其他方式勉强得出答案。这种设计强化了AI对任务本质的理解,避免了投机取巧的行为。

更巧妙的是"建议工具发现"机制。系统会自动分析哪些额外工具确实有助于提高成功率,然后奖励那些使用这些有益工具的解决方案。这种机制鼓励AI主动探索和创新,而不是仅仅依赖预定义的要求。这就像鼓励学生不仅要完成基本作业,还要主动学习额外的有用技能。

约束惩罚机制则起到了"规则意识"培养的作用。当AI为了获得奖励而进行无意义的重复操作,或者在不需要时强行使用工具时,系统会给予相应惩罚。这种设计确保AI学习到的是真正有效的策略,而不是钻系统漏洞的技巧。

研究团队还发现,不同类型的任务需要不同的奖励权重。对于需要精确裁剪的任务,IoU(交并比)奖励的权重会更高;对于方向纠正任务,工具使用的奖励会更重要。这种动态调整体现了奖励设计的精细化程度。

十、技术演进的更大图景:从工具使用到通用智能

CodeVision框架的意义不仅仅在于解决了图像处理中的具体问题,更在于它为AI系统的发展开辟了一个新方向。这个方向可以概括为"从被动感知到主动操作"的转变。

在AI发展的早期阶段,系统主要扮演"观察者"的角色——接收输入,处理信息,给出输出。就像一个只能看书但不能写字的学者,这样的AI虽然能够理解很多内容,但在面对需要动手解决的问题时就显得力不从心。

CodeVision代表的是AI向"操作者"角色的进化。系统不再满足于被动接受输入,而是能够主动改善输入质量,优化工作环境。这种能力的获得意味着AI开始具备了类似人类的"元认知"能力——不仅知道如何思考,还知道如何创造更好的思考条件。

这种演进的影响是深远的。在自然语言处理领域,类似的思路已经开始出现,AI系统开始学会搜索信息、调用计算器、运行代码来增强自己的推理能力。在多模态领域,CodeVision展示了如何让AI获得视觉工具使用能力。未来,我们可以预见AI将具备更多维度的工具使用能力,包括音频处理、3D建模、科学计算等。

从更宏观的角度来看,工具使用能力的发展标志着AI向通用人工智能迈出了重要一步。人类智能的一个关键特征就是工具的创造和使用,从简单的石器到复杂的计算机,工具使用能力一直是人类文明进步的重要推动力。AI系统开始掌握工具使用能力,意味着它们开始具备了人类智能的一个核心特征。

CodeVision框架还暗示了AI系统架构的未来发展方向。传统的AI系统往往是单一的、封闭的,而具备工具使用能力的AI系统则是开放的、可扩展的。这种系统可以通过整合新工具来不断扩展自己的能力边界,而不需要从头重新训练。

这种开放性和可扩展性对AI的实际部署具有重要意义。在快速变化的技术环境中,固定能力的AI系统很容易过时,而具备工具使用能力的系统则能够通过整合新工具来保持竞争力。这就像智能手机通过安装新应用来获得新功能一样,AI系统也将通过学习使用新工具来持续进化。

当然,这种发展也带来了新的挑战。如何确保AI系统安全地使用工具?如何防止恶意工具的使用?如何处理工具之间的冲突和兼容性问题?这些都是需要深入研究和解决的重要问题。

CodeVision框架为这些挑战提供了一些初步的解决思路。通过代码作为中介接口,系统可以在受控环境中执行工具操作,提供了安全性保障。通过精心设计的奖励机制,系统学会了合理和高效的工具使用方式,避免了滥用和误用。

说到底,CodeVision代表的不仅仅是一个技术框架,更是AI发展理念的一次重要转变。它告诉我们,未来的AI系统不应该是封闭的黑盒子,而应该是开放的、能够与环境互动的智能体。这种AI将不仅仅是信息处理器,更将成为能够改造和优化自身工作环境的主动参与者。

这项研究表明,当我们的图像识别AI学会了像人类一样"动手"处理图片后,它们在处理现实世界复杂视觉任务时的能力将得到质的提升。随着技术的不断发展和完善,我们有理由期待更加智能、灵活和实用的AI助手出现在我们的日常生活中,真正实现人工智能与人类需求的无缝对接。

Q&A

Q1:CodeVision跟普通的AI图像识别有什么不同?

A:普通AI只能"看"图片然后给出答案,就像一个只能读书不能动手的学生。而CodeVision教会了AI"动手"处理图片——当发现图片角度不对时会自动旋转,文字太小时会自动放大,就像人类遇到问题时会本能地调整一样。这让AI在处理现实中那些不完美的图片时表现更好。

Q2:这个技术能解决什么实际问题?

A:主要解决现实中图片质量不完美的问题。比如你扫描文档时角度歪了,或者拍照时文字太小看不清,普通AI的识别准确率会大幅下降甚至降低80%。CodeVision通过让AI自动纠正这些问题,大大提高了在真实场景中的实用性,特别适用于文档处理、教育批改、医疗影像等领域。

Q3:CodeVision是怎么学会使用工具的?

A:研究团队采用了两阶段训练法。第一阶段像教小学生一样,用5000个精心设计的例子教AI基础的工具使用方法。第二阶段采用强化学习,设计了复杂的奖励机制,不仅奖励正确答案,还奖励使用恰当工具的过程,同时惩罚取巧行为。这样AI就学会了既要答对,又要方法对。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
惨!新5元纪念币,没人约了!

惨!新5元纪念币,没人约了!

天天纪念币
2026-11-18 12:05:10
日本预测:中国将成为全球第一个,不需要武器进口的国家

日本预测:中国将成为全球第一个,不需要武器进口的国家

小妹讲史
2026-11-17 17:40:50
日本3岁女童惨死家中!全身50多处淤青、食道破裂!亲妈多次目睹丈夫施暴却未阻止!

日本3岁女童惨死家中!全身50多处淤青、食道破裂!亲妈多次目睹丈夫施暴却未阻止!

东京新青年
2026-11-17 19:22:35
WTA公布赛季年终奖金榜:郑钦文收入超249万美元,为收入最高中国球员;世界第一莱巴金娜超1113万美元居首,安德列娃、萨巴伦卡分列二三位

WTA公布赛季年终奖金榜:郑钦文收入超249万美元,为收入最高中国球员;世界第一莱巴金娜超1113万美元居首,安德列娃、萨巴伦卡分列二三位

大风新闻
2026-11-18 14:26:01
立场亲华武契奇前脚离去,后脚塞尔维亚就冒出个不亲欧不亲俄的“硬茬”,欧洲这次真急了!

立场亲华武契奇前脚离去,后脚塞尔维亚就冒出个不亲欧不亲俄的“硬茬”,欧洲这次真急了!

唠叨说历史
2026-11-12 14:20:16
车船税优惠大调整!2027年1月1日起,大部分车主或将受到影响?

车船税优惠大调整!2027年1月1日起,大部分车主或将受到影响?

触摸史迹
2026-11-17 09:20:45
A股三大指数快速拉升翻红

A股三大指数快速拉升翻红

证券时报
2026-11-18 13:46:04
钱再多有什么用,65岁郎平如今的现状,给所有运动员们提了个醒

钱再多有什么用,65岁郎平如今的现状,给所有运动员们提了个醒

墨策讲历史
2026-11-04 22:47:01
最新:乌克兰重创克里米亚大桥以东两大炼油厂!

最新:乌克兰重创克里米亚大桥以东两大炼油厂!

项鹏飞
2026-11-18 20:22:28
CBA杯开打!24队争夺8个名额,CBA和NBL直接对话,强队缺兵少将!

CBA杯开打!24队争夺8个名额,CBA和NBL直接对话,强队缺兵少将!

大卫的篮球故事
2026-11-18 12:54:45
真爱!曼联0-3不敌伯恩茅斯之后 波切蒂诺立马告知有解约条款

真爱!曼联0-3不敌伯恩茅斯之后 波切蒂诺立马告知有解约条款

雪狼侃体育
2026-11-18 21:16:54
笑不活了!苏州乘客飞机延误办改签,告诉空姐江浙沪几座机场都行,空姐一问目的地,他沉默三十秒才说:苏州

笑不活了!苏州乘客飞机延误办改签,告诉空姐江浙沪几座机场都行,空姐一问目的地,他沉默三十秒才说:苏州

王老师你还好吗
2026-11-06 14:39:40
六盘水用1200万抵扣2.2亿债务,女子拒绝后遭逮捕,被批不识抬举

六盘水用1200万抵扣2.2亿债务,女子拒绝后遭逮捕,被批不识抬举

干史人
2025-04-25 08:30:03
上海大量上市!价格稳住了!盒马、叮咚等同步热销

上海大量上市!价格稳住了!盒马、叮咚等同步热销

看看新闻Knews
2026-11-18 20:52:06
两场验出真货!王钰栋张玉宁领衔四人成赢家,邵佳一等三人成输家

两场验出真货!王钰栋张玉宁领衔四人成赢家,邵佳一等三人成输家

南海浪花
2026-11-18 01:23:32
俄已解除禁杀令,允许暗杀泽连斯基?特朗普坦言:普京已经让步了

俄已解除禁杀令,允许暗杀泽连斯基?特朗普坦言:普京已经让步了

国际法大视野
2026-11-17 15:18:04
上半年138.3万对离婚,民政局“不劝了”:40岁以后的分手,是算过账的

上半年138.3万对离婚,民政局“不劝了”:40岁以后的分手,是算过账的

青科新闻
2026-11-08 11:25:23
普京访华:来中国最舒心,中美俄开创历史

普京访华:来中国最舒心,中美俄开创历史

生思孰虑
2026-11-18 16:31:39
30多名高管在场!黄仁勋:“我希望你死”,让我们都解脱

30多名高管在场!黄仁勋:“我希望你死”,让我们都解脱

青橘罐头
2026-11-18 09:46:47
先挨二记闷棍!俄罗斯导弹袭击基辅南北两座大桥,恰逢北约峰会开会在即

先挨二记闷棍!俄罗斯导弹袭击基辅南北两座大桥,恰逢北约峰会开会在即

军迷战情室
2026-11-17 07:39:35
2026-11-18 21:52:49
科技行者 incentive-icons
科技行者
科技正在如何变革商业世界
10611文章数 572关注度
往期回顾 全部

科技要闻

离职后首份声明!黄仁勋认错愿回归

头条要闻

“感谢中方特殊安排” 特朗普又带着高规格代表团来了

头条要闻

“感谢中方特殊安排” 特朗普又带着高规格代表团来了

体育要闻

“中超卡里乌斯”,成了大连的夺冠英雄

娱乐要闻

主持人张泉灵被曝猛料,公司成老赖

财经要闻

黄仁勋留下的高分成绩单,能延续吗?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

家居
房产
数码
手机
艺术

家居要闻

2026建博会(广州) 公装联探展交流活动

房产要闻

周大生出手!海棠湾又一大商业体来了

数码要闻

34999元起,华硕RTX Spark迷你主机ProArt GR1X发售

手机要闻

华为引爆阔直板手机!友商纷纷下场,但很可能会集体踏空?

艺术要闻

深邃宁静的风景油画,奥地利著名风景画家弗舍尔

无障碍浏览 进入关怀版