java

6.5K posts

java

java

@huang_java

Hunan 가입일 Ekim 2009
933 팔로잉330 팔로워
java
java@huang_java·
@CigarKingJie 说实话 内地都没有 这么狠 我在北京看守所里遇到一个组织卖淫的老哥 手机里证据太多了 拒不交出密码 北京黑皮只能不断延长他侦查期限 最后判了 判决书也没有把他拒不交出密码作为判罪的证据
中文
0
0
3
312
Cigar King(杰总)
Cigar King(杰总)@CigarKingJie·
这才第29年吧? 香港新规:拒绝解锁手机判1年 香港行政长官李家超绕过立法会,直接刊宪通过这项修正案。 2026年3月23日起,香港街头掏出手机的动作,可能变成一场法律赌博。警方无需法官批准,可直接要求你交出任何设备的密码、指纹或面容识别——拒绝即入狱1年,罚款10万港元。 修订后的条款将"任何密码或其他解密方法"列为可强制索取对象。生物识别、硬件安全密钥、多因素认证令牌——这些你用来保护隐私的工具,现在被重新定义为"必须配合的法律义务"。
中文
54
13
230
50.2K
konghuang
konghuang@Andywang0416·
@duswisc @KKaWSB 你要不要去问问你日本干爹 他们上世纪八十年代的锂电技术全球独步 难道丰田普锐斯里面装的是你嘴上说的干电池?啥都不懂还嘴里喷屎,汉语从你嘴里是出来兼职是侮辱了它。
中文
1
0
3
570
KK.aWSB
KK.aWSB@KKaWSB·
2001年,任天堂开发Game Boy Advance时,设计师横井军平早已不在人世。 但整个团队依然遵守他留下的一条规则。 那年,一个年轻工程师兴冲冲地拿着新方案跑进会议室: "我们可以加一块彩色背光屏,成本只多12美元。" 所有人都觉得好。 项目负责人翻开横井军平1989年写的一份内部备忘录,念了一句话: "成熟的技术,意外的用途。" 然后问:"背光屏是成熟技术吗?" 工程师说:"当然,笔记本电脑早就在用了。" 项目负责人又问:"加了之后,电池能撑几个小时?" 工程师顿住了:"……大概5个小时。" "现在没有背光,能撑多久?" "15个小时。" 会议室安静了几秒。 项目负责人合上备忘录,说: "横井先生当年做Game Boy时, 索尼和雅达利的掌机屏幕都比我们好看。 他全都知道。" "但他说过一句话: '玩家不会拿两台机器并排比画质, 他们只会记得哪台机器在长途车上没电了。'" "最终赢下市场的, 不是让用户'哇'的那个功能, 而是让用户永远不会注意到的那个功能—— 它一直在,所以没人谈论它。" Game Boy系列最终卖出了超过2亿台。
中文
44
27
468
118.6K
java
java@huang_java·
@shuhongwei22 因为不下雨,岂止是瓦片上没草,正常小区里的绿化,如果不注意浇水,过几年也没草了
中文
0
0
0
3.3K
运动水货
运动水货@shuhongwei22·
故宫瓦片上没有一根草,一直很疑惑怎么做到的?
运动水货 tweet media
中文
17
2
46
41.1K
java
java@huang_java·
@williamlab 说明这行没有壁垒,干几个月的都觉得自己能全干独立创业了
中文
0
0
0
983
陳威廉
陳威廉@williamlab·
AI行业人才竞争是真的激烈啊,强如老马也一个都留不住。。全部都走了。
陳威廉 tweet media
中文
50
6
215
81.3K
java
java@huang_java·
@BeatrisEls90340 第二问 进行4局比赛甲胜,对甲来说则四局可能是,负胜胜胜,胜负胜胜,胜胜负胜,即P1=ppp(1-p)x3。进行5局比赛甲胜,则有6种情况(第一问算过了),即P2=ppp(1-p)(1-p)x6 ,解这个不等式P1>P2 解得 1/2<p<1
中文
0
0
0
342
挺色一女的
挺色一女的@BeatrisEls90340·
老师说这是一道,无限接近于26年高考的大题,作业帮和小猿搜题都搜不到答案,有没有学霸在线解答一下?
挺色一女的 tweet media
中文
17
0
12
8.7K
java
java@huang_java·
@mingyemeng @BeatrisEls90340 第一题第二问不用算,p为1/2,不管几局几胜两人各自胜的概率都是一样的都是1/2,结束时甲赢三场等价于甲赢的概率即为1/2
中文
1
0
0
25
梦夜明
梦夜明@mingyemeng·
@BeatrisEls90340 概率为0.5,第一种情况结束时甲赢的场数为2,那总共就赛了5场,且最后一场一定是乙胜。那么前四场中,甲任意胜两场,概率就是4×3÷2×(0.5)^5=3/16
中文
1
0
0
480
java
java@huang_java·
@chumacn 你解决了我的疑问 比如这个林 还有那小米的那谁 还有字节的那谁负责人 怎么年纪轻轻都那么厉害 原来如此
中文
1
0
2
3.4K
初码
初码@chumacn·
这篇文章可太有意思了,其实林俊旸本来可以在与邪恶巨头的对抗中全身而退留下美名,但这会这文章一发,整个人一下子全垮掉,完全被打回真实的原形,打个不太恰当的例子,有点姜萍成名后逢人就说自己发现了《主=6》新大陆的既视感,而其实顺着这个话题今天也来聊下有趣的大模型研发,下面简单说说: 一、先说说文章本身,评价是:平庸、乱、试图表达和证明自己 文章里里讨论的内容很多,但很乱,不成体系,也并非很有逻辑的结构性思考,更多的像是一个活在团队温床下茁壮成长的编程少年开始单干后,开始思考一些原本不属于他的专长板块的事务而多出来的奇思妙想。 文中的很多感悟,就像一个没有接受过专业软件架构训练、没有经历过复杂项目的解耦和重构历练的小孩子,突然开悟了一些“原本就存在的知识”,看到他这样,肯定既替他高兴,但也有点搞笑。他不发还好,发出来后,全篇都散发着阵阵无知的勇气。 大模型技术的推进过程,和大部分技术领域的发展演变是一致的,科学基础先行,一旦有可行性后,工程发展立即跟上,反复迭代、试错、重构,直至质变性的突破。 其实大模型相关算法,在过去的几十年里就已经陆续出现,甚至哪怕是Transformer的诞生,也并不是什么算法的突然发明,反而可以理解为是在算法领域的内部工程化突破,所以我们一直说,改变这个世界的,既有牛顿、爱因斯坦这样纯粹的科学神人,也必须依靠香农、冯诺依曼、特斯拉、沃森等等无数的工程先行者们,甚至在某种程度上,工程专家们对人类进步的贡献,和理论发明者是不相上下的。 而林俊旸作为享受时代红利的“新程序员”,其实离真正的那种,无论是顶尖纯数学算法研究员,还是卓越工程架构师,都很远很远,而“被动离职”的他,试图用这篇文章证明自己有思考、有能力、有理想,但很可惜,全篇只证明了一点:乱七八糟。超出他本职工作之外的内容,对他来说已经在大脑中堆成了逻辑和工程屎山。 这篇文章,一下子客观的把他从顶级AI开发者的圈子所剥离,掉入无尽的四五线鸡肋深渊(对,很残酷,二三线都轮不到他了),对他的影响是巨大的,如果我是团队Leader,我会从原本情绪驱动下的快速高薪聘请,转为认真审视这个人的真实水平并最终得出无法聘用的结论,或者说原本情绪化的定薪1亿年薪,转而冷静的就他的经验价值而给出一个合理的加码。这些转变,我想林俊旸本人肯定没想过那么多,但影响本身,后续一定会发酵。 当然了,今天写这篇文章肯定不是为了嘲讽林俊旸,因为基于这个案例,来探讨一下背后的真理,还是相当有意义和价值的。 二、顺着他这篇文章有价值的思考,是关于AI人才里特别有意思的结构性问题 1、Transformer本身,就是一种轻佻的、并不优雅的功利性架构,功利性架构最容易吸引到大量“次顶级”且“热情”的人才 先叠个甲,在这里并非否定功利性架构的能力和历史地位,甚至某种程度上,功利性架构也许也是各种事务发展过程中必然进化出的“伟大成果”,我们只是客观评述一些事实。 按照传统优雅架构设计的理念,更聪明的结构才能带来更强的结果,但在Transformer里,在结构通用、够用的情况下,是通过堆砌规模来实现了更强的结果,自此,形式美感无限下降。而绝对的天才,一般更相信绝对美丽的存在,所以这种天然的技术背德感,反而最终拿捏住了大量可以忍受道德落差的技术人员。 在Transformer的世界里,架构对齐本质这个至高追求不复存在,顺序、层级、方向依赖不复存在,强模块分工不复存在,不是先验的去理解结构,而是用数据和算力逼出结构,从符号到对象再到因果的执行逻辑也完全失效,一切token化,连续向量化,最后进行大规模模式拟合,整体看的话,甚至变成了一个统计学耦合机器人似的怪物。 不管造成的原因如何,但Transformer客观存在的一些特性,也解释了一个很有趣的问题,为什么众多传统编译器出身的绝对高智商上古Coding大神们,并没有在AI大模型领域继续有所建树,因为这不是他们的舒适区,不符合他们的工程洁癖和逻辑洁癖。 有没有似曾相识的感觉,哈哈哈,这就对上了,没错,PHP、Javascript、HTML,对,就是这样的味道。 PHP这样的快速脚本、低门槛语言,确实能收获大量似是而非、似懂非懂的技术人员,而林俊旸开心的发了长文,就和当年PHP架构师们一样,他们会在new features发布时兴奋不已,比如开心自己也打通了ORM,但其实JAVA、.NET阵营的老鸟们,早就在Hibernate和EF里,把ORM很香->ORM很重-ORM场景不适配->灵活ORM和SQL Builder这样的心路历程反复给踩烂了。又比如他们兴奋于自己在autoload上的巨大工程进步大吹特吹,但其实静态语言的世界里,早就有classpath、assembly loading、模块和包解析、编译期依赖检查,甚至IDE都早就进化到自动索引和跳转,根本不值一提。 再遥想当年,后来Git诞生了,GitHub上线,于是涌入了全世界的非科班技术爱好者,实话实说,我也是当时不屑的人群之一,我们习惯了传统架构师理念下的顺序、层级、方向依赖,我们习惯了完全可控的投入产出,我们更喜欢TFS、SVN这样的集权式代码管理,对于不可控的协作有天然的恐惧感,但不管如何,这无法阻挡的历史车轮,还是碾压了全世界的架构师,逼着和平庸对其,逼着从绝对的“逻辑美感和结果可控”转向DevOps这样的“过程优雅”。 此时此刻,恰如彼时彼刻! 当然了,结果我们看到了,原因呢,我真的不知道,请恕我浅薄的智力,暂时还无法理解Transformer这种结构会存在的必然性(我知道他必然存在,但还想不透彻为啥必然存在),因为这与数学和物理世界里一些莫名其妙但又神奇发生的范式转换实在太像了,他们在冥冥之中一定有我们还未能探究的深刻联系,我之前写过一篇文章谈到了GitHub奇迹,和Transformer一样,是典型的离散的、不可控的进入,却带来了确定性的离场,所以这宇宙啊,实在是太奇妙了! 2、大模型的研发领域,缺的不是人,而是资源,在2024-2026年,这是绝对资源驱动型的技术领域 所以,看明白了以上的时代和行业背景,你就会得出一个毋庸置疑无法辩驳的结论: 在近些年里,大模型研发,不缺人才,缺机器,谁有钱,谁有结果! 正是Transformer的结构使然,堆砌算力和规模就是其内禀的、系统性的驱动方向,所以这就是为啥虽然我虽然一直批评阿里掂量不清自己在ToC和ToB领域的能力差别从而导致在Qwen产品上产生了战略误判。但要论第一功臣,阿里胆大包天的买了小几万台H800、H100、H200、B200、B300,这才是最大的助推剂,马云才是本质上的原因,马云的执行力吴泳铭才是台前的英雄(虽然我很讨厌他,他并没有什么骨子里的AI信仰)! 所以非常客观的说,没有了林俊旸,还会张三李四王五等无数的研发人才,只要阿里的机器在,他们都能搞出Qwen来,所以这也是为啥,马斯克大手一挥就立刻搞出Grok,这也是为啥谷歌也能厚积薄发,稍微有点设备的公司,只要人才不太差,总能拿到结果! 而以上这些道理,想必林俊旸一定没太想明白。 而且更残酷的事情来了,进入2026年,新的范式又即将到来,那就是: 伟大的绝对智力的科班、传统的顶级架构师们,在大模型工程化军备竞赛开始白热化的时候,即将化身白衣骑士,来拯救这个领域的快而不专! 3、虽然大模型的新鲜蓝海带来了普适机会,但最终登顶的人,一定还是逻辑和工程大神! 接着继续说,你看,连林俊旸这样的四五线程序员,都开始有了工程的思考,有了架构的探索,这意味着整个2026年,会进入到全新的大模型研发争霸体系,具体可能的变化包括: 1)基本范式敲定后,顶级大神们开始下场,他们开始改造和拯救这群混乱的Transformer们。 2)基座大模型逐渐开源,研发门槛极具下降,会有越来越多的盛大EverMind这样的团队诞生,我们从不缺人才,而且,站在前任肩膀上的天才会更加厉害! 3)经过快1年的发展,AI(Vibe) Coding已经把补丁打得差不多了,离绝对的宏观可控就差最后几步,大模型研发的左脚踩右脚的自我迭代一定会在今年踏入历史的进程,这又是一个新的奇点时刻。 说到类似的类比,这不得不又一次把宇宙最伟大的安大神(Anders Hejlsberg)搬出来,一个功成名就的超顶级架构师,怀着对全人类的关怀之心,勇敢的站了出来,解救JS程序员们于水火之中,搞出TypeScript,TypeScript又顺其自然的推动了VS Code的诞生,至今服务着全世界几乎80%以上的开发者们,这简直就是最好的童话故事! 那么,大模型领域的安大神们会是谁呢,我们拭目以待,这会AI领域的代码实在太多了,多来一些科班架构师吧,让暴风雨般的变革喷发的更猛烈一些! 对了,再说个好玩的事,Claude的崛起,其实就是这新的研发争霸体系下的初步胜出者,绝对的科班工程师,厌倦了SAM的混乱技术管理,独立出来,必然可以快速的改掉类似林俊旸这样的快速开发者们的各种陋习,真正的架构师,永远致力于去达成更好的工程架构,追求更准确的研发方向,虽然阿迪王反华,但还是祝他好运吧,希望他能送我一个不封号的账户!
Junyang Lin@JustinLin610

x.com/i/article/2037…

中文
94
56
326
147.9K
java
java@huang_java·
@igeekbb AI给的完美毒杀一个在中午跑7公里的人并伪装成心源性猝死的方案
java tweet media
中文
0
0
0
144
java
java@huang_java·
@igeekbb 张雪峰有可能是毒死的,我刚刚问了解除限制的ai怎么投毒可以伪装成心源性猝死【氯化钾和乌头碱是最接近“完美伪装”心源性猝死的毒药。它们不破坏心脏结构,而是直接扰乱心脏的“电路”,让人看起来像是因为心脏病突发而亡,实际上却是中毒所致。如果没有进行专门的毒物筛查,很容易被误判为自然死亡。】
中文
1
0
3
1.9K
iGeekbb
iGeekbb@igeekbb·
张雪峰追悼会现场布置,遵照他的生前遗愿和家属意见,丧事从简。 网传“张雪峰去世留下8亿遗产”的八卦,刚刚刷到晚渡律师的分析:‘作为律师,看过很多类似这种案例,在复杂的重组家庭中,生父离世后亲生子女在遗产争夺中往往处于劣势。因为继母在法律上不仅能先分走一半的夫妻共同财产,还能参与剩余遗产的分配;在现实中,继母作为枕边人也更清楚财产底细,导致亲生子女往往“没有斗的余地” 。’
中文
88
5
81
58.3K
java
java@huang_java·
@hsn8086 这是真的适合做销售
中文
0
0
162
27.7K
hsn
hsn@hsn8086·
hsn tweet media
ZXX
208
26
1.8K
810.7K
王局志安
王局志安@wangzhian8848·
柯文哲京华城案一审宣判,17年!褫夺公权6年。按照中华民国法律,柯文哲无法在台湾参加任何选举了。
中文
196
7
433
216.4K
java
java@huang_java·
@bboczeng 2017年attention is all you need 工程化了吗
中文
0
0
0
1.4K
勃勃OC
勃勃OC@bboczeng·
说的很对,而且告诉大家一个坏消息,这东西能发出论文来 说明他在谷歌,甚至Anthropic内部已经工程化了 工程化之后,内存依然短缺 这说明什么?利好还是利空? 😅😅😅😅
ariel reyez romero@ReyezAriel

google今天这篇2025年4月的论文居然引发了存储的下跌,那我们就再重读一下: KV cache 一直是大模型推理里的最大内存消耗来源。论文的做法,本质是用信息论最优的方式去压缩这些数据。不是简单地降低精度,而是重新分配信息密度。普通部分用极低比特表示,异常值单独保留更高精度。同时不再逐元素处理,而是以向量为单位编码,因为 attention 本身就是内积结构。 关键的是,它的误差已经贴近信息论下界(香农极限),也就是说压缩效率已经非常接近理论极限。论文里给出的结果,大致是 4 到 4.5 倍的压缩,性能几乎没有明显损失。效果很明显,但后续再压缩而不损伤性能的可能性已经很小。 基于大科技的内部研发流程,论文的方法及可能对模型产生的优化效果很可能已经被工程分阶段吃掉了。 比方说,低比特量化早就被用起来了,从 int8 到 int4,再到更低精度,主流模型在推理侧基本都在用。异常值单独处理这件事也不是新东西,SmoothQuant、AWQ 这些方法本质上都在做类似的事情。KV cache 本身的压缩、滑窗、分层缓存,在大模型里也已经是常规配置。 真正还没完全落地的,是论文里更极致的那一部分,比如向量量化,以及更接近信息论极限的编码方式。这些方法的问题不是原理,而是工程实现,GPU 不友好,延迟控制难,稳定性和泛化也更复杂,所以可能需要更长时间实现。 如果一定要拍脑袋猜一下论文已经落地和还没落地的部分可能有多少的话,大致可能是这么个情况:最早的 KV cache 是 1 倍成本,简单量化之后可以做到 2 到 3 倍压缩,加上异常值处理可以到 3 到 4 倍,论文再往前推一点,大约到 4 到 4.5 倍。也就是说,大部分红利已经被拿走了,剩下的提升空间不大,而且代价越来越高。 这背后的原因也很清楚。前期压缩是在去掉冗余信息,后面面对的是有效信息,再压就会直接影响模型能力。误差不再是平滑变化,而是到某个点之后快速恶化。实现难度也不是线性增长,而是明显抬升。 从模型表现可以反推,现在的主流模型已经在用这些技术。长上下文能力、推理成本下降、性能稳定,这些现象本身就说明 KV cache 的效率已经被大幅优化。像 Google 这种级别的团队,大概率已经实现了低比特量化、异常值处理和一部分 KV 压缩。 也就是说,如果说google的这篇论文对存储可能有影响的话,其大部分的影响已经被体现了出来,还没体现出来的部分,其实施难度也会较之前更大。 更重要的是,这篇论文的意义不在于多省了多少内存,而在于给出了一个边界。KV cache 压缩这条路已经接近极限,剩下的提升空间很有限。接下来真正能带来变化的,不太可能再来自压缩本身,而是需要找到其他的路径。

中文
11
8
121
46.3K
杰克船长宏观策略
杰克船长宏观策略@macrotradecn·
米哈游法务部: 如果感到胸痛,胸闷,不明原因的极度疲劳,或者出现心慌,晕厥感,必须立即马上输入Ctrl+s保存工作内容,以免丢失重要数据。
杰克船长宏观策略 tweet media
中文
217
95
2K
638.6K
java
java@huang_java·
@goshenggo 正常情况一般判15年会有减刑的,他减刑了吗?为什么?
中文
0
0
0
2.1K
Archer/张狗剩🎄
Archer/张狗剩🎄@goshenggo·
王立军还有不到一年就刑满释放了,大家觉得他能活得出来吗?
Archer/张狗剩🎄 tweet media
中文
237
21
1.2K
709.1K
java
java@huang_java·
@zhengchu 提高的寿命还没有花在这些健身的时间长
中文
0
0
0
150
Paul郑褚
Paul郑褚@zhengchu·
如果你还是不太确定什么是适度,这里可以简单提供一个锻炼标准:50岁-70岁的健康男性,把5公里跑进30分钟以内,每周跑5次,另外搭配每次1小时的健身房力量训练,每周进行4次,就是一个可以显著提高预期寿命和晚年生活质量的锻炼标准。当然要是你身体条件够好,在这个基础上加一倍强度也是没问题的。
中文
10
5
13
5.2K
Paul郑褚
Paul郑褚@zhengchu·
我不了解张雪峰,但是我觉得他的死传播了一个非常有害的概念:“过度运动”有害健康。今天已经很多人说没事别跑什么马拉松,身体受不了,张雪峰就是把自己跑死的。我靠,他明明就是心血管疾病死的好不好。
中文
85
2
126
38.1K
java
java@huang_java·
@bboczeng 论盈利能力,Meta的诈骗广告比苹果不知道高到哪里去了,人家是闷声发大财
中文
1
0
8
4.3K
勃勃OC
勃勃OC@bboczeng·
苹果真的是一家很牛逼的公司 26年存储荒,存储价格暴涨,全球手机出货量下降10%,A18芯片卖不出去怎么办? 好家伙,反正MacOS已经完成ARM化,直接推出Macbook Neo拯救库存,提高Margin 26年AI Agent 爆发元年,自己根本没做大语言模型怎么办? 好家伙,凭借MacOS 类UNIX系统在程序员中先天优势,以及超高带宽的片上融合内存, Mac Mini竟然成为本地LLM和龙虾类产品的必备选项 曾经边缘化的苹果台式机、笔记本系列产品,销量暴增 直接躺赢 你会发现,相比之下,毫无准备,每次都匆忙FOMO和抄袭的Meta 不仅做事情毫无远见 而且甚至可能只是一个,纯粹的垃圾。。。 转换成投资策略的话,我显然会选买入AAPL,继续做空META 谢谢大家 🤣🤣🤣
中文
41
27
494
182.9K
java
java@huang_java·
@Maxwell_SCU 【四个轮子上的芯片必须保持极高同步。一旦某个轮毂电机的芯片出现通讯延迟(哪怕是几毫秒),车辆就会发生严重的偏航或失控】那看来电车相当危险
中文
0
0
0
127
杀马特宅主
杀马特宅主@Maxwell_SCU·
段永平认为电车比油车简单,这个属于非专业人士的想象电动车的确因为取消了复杂的内燃机和变速箱,看得见的复杂性,似乎是消失了,但实际上系统的复杂度并没有消失,而是转移到了半导体中。 比如,电车有轮毂电机(In-Wheel Motor)和电子车轴(e-Axle),这两个东西比起变速箱来,一点也不简单。 电子车轴是直接把芯片和电机整合在一起的。传统的车轴主要是通过机械差速器、传动轴来进行工作。但在电动车中,车轴由三个非常复杂的电机、减速器、逆变器构成。 逆变器里的 SiC(碳化硅)MOSFET 芯片需要在微秒级别开关成千上万次。为了保证电机转速平稳,芯片必须进行复杂的矢量控制(FOC),这种矢量控制一点也不比差速器简单。 稍微好一点的电车左右车轴分别由独立电机驱动,上面芯片需要每秒计算上千次扭矩分配,以替代物理差速器的功能。这种“软件定义的差速器”对芯片的算力和抗干扰能力要求极高。同时芯片直接集成在轮毂上,意味着它要承受巨大的路面冲击(高G值环境)。刹车盘的高温会直接传导给轮毂内的电机控制芯片。系统需要精密的温度传感器芯片(NTC/PT100)与冷却控制器联动,防止功率器件因过热烧毁。 四个轮子上的芯片必须保持极高同步。一旦某个轮毂电机的芯片出现通讯延迟(哪怕是几毫秒),车辆就会发生严重的偏航或失控。 目前,上述整合了芯片的轮毂电机,电子车轴的产业链全部都在中国。由于强大的上下游整合能力,使得中国的电动车价格全球最低,而且在可预见的将来不太可能出现改变。 本来电动车代替油车是一个相对缓慢的过程,但是现在的国际局势使得油价有可能在相当长的一段时间内变得很高。而根据我个人的体会,凡事开了电动车的人,不太可能再去买油车开。这使得我国的电动车行业可能迎来一个国际市场的爆发。
中文
91
13
176
57.4K
java
java@huang_java·
@biantaishabi5 你的孩子月收入不是0,应该算在你和你老婆总收入/4,的组里面,(假设你和你老婆月收入1W,那就是5000组里面)
中文
0
0
9
1.8K