如何评价微软和英伟达推出的迄今为止训练最大最强的语言模型 MT-NLG？
MTNLG：微软与英伟达联手打造的语言巨兽，能力几何？
在人工智能飞速发展的今天，大型语言模型（LLM）的竞争愈发激烈。微软与英伟达强强联手推出的 MTNLG，无疑是这场竞赛中的一颗耀眼明星，其庞大的规模和强大的能力，在业界引起了广泛的关注和热烈的讨论。那么，这款被誉为“迄今为止训练最大最强的语言模型”究竟有着怎样的实力？我们不妨深入剖析一番。
一、 规模的极致追求：数千亿参数的庞大身躯
MTNLG 最引人注目的，莫过于其惊人的规模。据官方披露，它拥有 5300 亿个参数，这一数字远超此前许多知名的语言模型，例如 GPT3（1750 亿参数）。参数数量在很大程度上决定了一个模型的容量和学习能力，更庞大的参数量意味着模型可以学习到更复杂、更细微的语言模式和知识。
想象一下，5300 亿个参数就像一个拥有天文数字般连接节点的超级神经网络。在训练过程中，这些参数通过海量数据的反复“喂养”和调整，不断优化，以捕捉语言的语法、语义、常识、甚至是微妙的情感色彩。这就像为模型构建了一个极其庞大且精密的知识图谱，使其能够理解和生成更加丰富和多样化的文本。
二、 训练数据的广度和深度：燃料的充足与精炼
如此庞大的模型，自然需要海量的、高质量的数据进行训练，才能充分发挥其潜力。MTNLG 的训练数据同样令人瞩目，它基于 Deita10（一个包含 10 万亿字节文本数据的更大规模数据集）的一部分，并在其中精选了 3000 亿个词（tokens）的文本进行训练。
这些数据来源极其广泛，涵盖了网页、书籍、文章、对话等各种形式的文本。这使得 MTNLG 能够接触到来自不同领域、不同风格的语言表达，从而建立起对世界的全面认知。更重要的是，这些数据经过了细致的清洗和筛选，去除了低质量、重复或有害的内容，确保了模型学习到的知识是准确和有用的。
三、 核心技术亮点：Transformer 架构的进化与高效训练
MTNLG 的基础架构依然是业界成熟且强大的 Transformer 架构。Transformer 以其在处理序列数据方面的卓越表现，彻底改变了自然语言处理领域。其核心的“注意力机制”能够让模型在处理文本时，关注到句子中不同位置的词语之间的关联，从而更好地理解长距离依赖关系。
然而，仅仅依靠 Transformer 架构还不足以支撑起如此庞大的模型。微软和英伟达在 训练效率和并行计算 方面下了大功夫。
大规模分布式训练： 训练一个拥有 5300 亿参数的模型，需要惊人的计算资源。微软和英伟达利用英伟达的 NVIDIA DGX A100 系统，该系统配备了 800 个 A100 Tensor Core GPU，并采用了 ZeRO（Zero Redundancy Optimizer） 等优化技术，将模型参数、梯度和优化器状态分散到多个 GPU 上，大大提高了训练的效率和稳定性。
模型并行与数据并行： 为了处理如此庞大的模型，研究人员采用了 模型并行（将模型的不同部分分配到不同的 GPU 上）和 数据并行（将训练数据分成多份，并行处理）的混合策略。这使得原本难以想象的训练任务得以实现。
四、 实质性的能力飞跃：在多项任务中的优异表现
那么，如此巨大的投入，究竟带来了怎样的能力提升？MTNLG 在多项自然语言处理任务中展现出了令人印象深刻的实力：
文本生成： MTNLG 在生成连贯、自然、有创造力的文本方面表现出色。它可以撰写文章、创作故事、生成代码，甚至模仿特定风格的写作。相较于之前的模型，其生成的文本在逻辑性、连贯性和信息密度上都有显著提升。
问答与推理： 在需要理解问题并从知识库中提取答案的问答任务中，MTNLG 能够处理更复杂的问题，并给出更准确的回答。其强大的推理能力也使其能够进行一些简单的逻辑推断。
语言理解： MTNLG 在理解文本的细微差别、上下文信息以及作者意图方面有着更深的洞察力。这使得它在情感分析、文本摘要、机器翻译等领域也能发挥更大的作用。
知识检索与应用： 得益于庞大的训练数据，MTNLG 蕴含了丰富的世界知识，并能够将其应用于解决实际问题。例如，它可以帮助开发者查找 API 文档，解释复杂的概念，甚至提供编程建议。
五、 潜在的优势与长远影响：
MTNLG 的出现，不仅是技术上的突破，更预示着未来人工智能发展的Several个重要趋势：
通用人工智能的曙光： 如此强大的语言模型，让我们看到了通用人工智能（AGI）的潜在可能性。一个能够理解、学习并适应多种任务的智能体，是人工智能领域的终极目标。
赋能各行各业： MTNLG 的强大能力将极大地推动各行各业的智能化进程。从内容创作、客户服务到科学研究、医疗诊断，它都有潜力成为改变游戏规则的工具。
推动人机协作新模式： 随着语言模型的日益强大，人与机器之间的协作将变得更加紧密和高效。我们可以利用这些模型来增强我们的创造力、提高工作效率，甚至拓展我们的认知边界。
六、 挑战与思考：
当然，如同任何一项颠覆性技术一样，MTNLG 也带来了诸多挑战和需要深思熟虑的问题：
计算资源与能耗： 如此庞大的模型训练和运行需要巨大的计算资源和电力消耗，这对于环境保护和可持续发展提出了更高的要求。
伦理与偏见： 尽管数据经过筛选，但训练数据中可能存在的偏见仍可能被模型学习并放大，从而导致不公平或歧视性的输出。如何有效识别和缓解这些偏见，是一个持续的挑战。
可解释性与安全性： 模型的“黑箱”特性使得理解其决策过程变得困难，同时也带来了潜在的安全风险。如何确保模型的行为符合人类的价值观和伦理规范，以及如何防止其被滥用，是必须认真对待的问题。
“模型幻觉”与事实核查： 尽管能力强大，大型语言模型有时仍会“一本正经地胡说八道”，产生不准确或虚假的信息（即“模型幻觉”）。在应用中，对模型输出进行事实核查和验证至关重要。
总结：
微软和英伟达联合推出的 MTNLG，无疑是当前大型语言模型领域的一座里程碑。它以其前所未有的规模和由此带来的强大能力，向我们展示了人工智能在语言理解和生成方面的巨大潜力。它不仅仅是一个技术演示，更是一个信号，预示着我们正加速迈向一个更加智能化的未来。然而，在拥抱这项技术带来的机遇的同时，我们也必须审慎地面对其潜在的挑战，并积极探索负责任的解决方案，以确保人工智能的发展能够真正造福于人类社会。
在人工智能飞速发展的今天，大型语言模型（LLM）的竞争愈发激烈。微软与英伟达强强联手推出的 MTNLG，无疑是这场竞赛中的一颗耀眼明星，其庞大的规模和强大的能力，在业界引起了广泛的关注和热烈的讨论。那么，这款被誉为“迄今为止训练最大最强的语言模型”究竟有着怎样的实力？我们不妨深入剖析一番。
一、 规模的极致追求：数千亿参数的庞大身躯
MTNLG 最引人注目的，莫过于其惊人的规模。据官方披露，它拥有 5300 亿个参数，这一数字远超此前许多知名的语言模型，例如 GPT3（1750 亿参数）。参数数量在很大程度上决定了一个模型的容量和学习能力，更庞大的参数量意味着模型可以学习到更复杂、更细微的语言模式和知识。
想象一下，5300 亿个参数就像一个拥有天文数字般连接节点的超级神经网络。在训练过程中，这些参数通过海量数据的反复“喂养”和调整，不断优化，以捕捉语言的语法、语义、常识、甚至是微妙的情感色彩。这就像为模型构建了一个极其庞大且精密的知识图谱，使其能够理解和生成更加丰富和多样化的文本。
二、 训练数据的广度和深度：燃料的充足与精炼
如此庞大的模型，自然需要海量的、高质量的数据进行训练，才能充分发挥其潜力。MTNLG 的训练数据同样令人瞩目，它基于 Deita10（一个包含 10 万亿字节文本数据的更大规模数据集）的一部分，并在其中精选了 3000 亿个词（tokens）的文本进行训练。
这些数据来源极其广泛，涵盖了网页、书籍、文章、对话等各种形式的文本。这使得 MTNLG 能够接触到来自不同领域、不同风格的语言表达，从而建立起对世界的全面认知。更重要的是，这些数据经过了细致的清洗和筛选，去除了低质量、重复或有害的内容，确保了模型学习到的知识是准确和有用的。
三、 核心技术亮点：Transformer 架构的进化与高效训练
MTNLG 的基础架构依然是业界成熟且强大的 Transformer 架构。Transformer 以其在处理序列数据方面的卓越表现，彻底改变了自然语言处理领域。其核心的“注意力机制”能够让模型在处理文本时，关注到句子中不同位置的词语之间的关联，从而更好地理解长距离依赖关系。
然而，仅仅依靠 Transformer 架构还不足以支撑起如此庞大的模型。微软和英伟达在 训练效率和并行计算 方面下了大功夫。
大规模分布式训练： 训练一个拥有 5300 亿参数的模型，需要惊人的计算资源。微软和英伟达利用英伟达的 NVIDIA DGX A100 系统，该系统配备了 800 个 A100 Tensor Core GPU，并采用了 ZeRO（Zero Redundancy Optimizer） 等优化技术，将模型参数、梯度和优化器状态分散到多个 GPU 上，大大提高了训练的效率和稳定性。
模型并行与数据并行： 为了处理如此庞大的模型，研究人员采用了 模型并行（将模型的不同部分分配到不同的 GPU 上）和 数据并行（将训练数据分成多份，并行处理）的混合策略。这使得原本难以想象的训练任务得以实现。
四、 实质性的能力飞跃：在多项任务中的优异表现
那么，如此巨大的投入，究竟带来了怎样的能力提升？MTNLG 在多项自然语言处理任务中展现出了令人印象深刻的实力：
文本生成： MTNLG 在生成连贯、自然、有创造力的文本方面表现出色。它可以撰写文章、创作故事、生成代码，甚至模仿特定风格的写作。相较于之前的模型，其生成的文本在逻辑性、连贯性和信息密度上都有显著提升。
问答与推理： 在需要理解问题并从知识库中提取答案的问答任务中，MTNLG 能够处理更复杂的问题，并给出更准确的回答。其强大的推理能力也使其能够进行一些简单的逻辑推断。
语言理解： MTNLG 在理解文本的细微差别、上下文信息以及作者意图方面有着更深的洞察力。这使得它在情感分析、文本摘要、机器翻译等领域也能发挥更大的作用。
知识检索与应用： 得益于庞大的训练数据，MTNLG 蕴含了丰富的世界知识，并能够将其应用于解决实际问题。例如，它可以帮助开发者查找 API 文档，解释复杂的概念，甚至提供编程建议。
五、 潜在的优势与长远影响：
MTNLG 的出现，不仅是技术上的突破，更预示着未来人工智能发展的Several个重要趋势：
通用人工智能的曙光： 如此强大的语言模型，让我们看到了通用人工智能（AGI）的潜在可能性。一个能够理解、学习并适应多种任务的智能体，是人工智能领域的终极目标。
赋能各行各业： MTNLG 的强大能力将极大地推动各行各业的智能化进程。从内容创作、客户服务到科学研究、医疗诊断，它都有潜力成为改变游戏规则的工具。
推动人机协作新模式： 随着语言模型的日益强大，人与机器之间的协作将变得更加紧密和高效。我们可以利用这些模型来增强我们的创造力、提高工作效率，甚至拓展我们的认知边界。
六、 挑战与思考：
当然，如同任何一项颠覆性技术一样，MTNLG 也带来了诸多挑战和需要深思熟虑的问题：
计算资源与能耗： 如此庞大的模型训练和运行需要巨大的计算资源和电力消耗，这对于环境保护和可持续发展提出了更高的要求。
伦理与偏见： 尽管数据经过筛选，但训练数据中可能存在的偏见仍可能被模型学习并放大，从而导致不公平或歧视性的输出。如何有效识别和缓解这些偏见，是一个持续的挑战。
可解释性与安全性： 模型的“黑箱”特性使得理解其决策过程变得困难，同时也带来了潜在的安全风险。如何确保模型的行为符合人类的价值观和伦理规范，以及如何防止其被滥用，是必须认真对待的问题。
“模型幻觉”与事实核查： 尽管能力强大，大型语言模型有时仍会“一本正经地胡说八道”，产生不准确或虚假的信息（即“模型幻觉”）。在应用中，对模型输出进行事实核查和验证至关重要。
总结：
微软和英伟达联合推出的 MTNLG，无疑是当前大型语言模型领域的一座里程碑。它以其前所未有的规模和由此带来的强大能力，向我们展示了人工智能在语言理解和生成方面的巨大潜力。它不仅仅是一个技术演示，更是一个信号，预示着我们正加速迈向一个更加智能化的未来。然而，在拥抱这项技术带来的机遇的同时，我们也必须审慎地面对其潜在的挑战，并积极探索负责任的解决方案，以确保人工智能的发展能够真正造福于人类社会。
网友意见
谢邀 @lokinko @Serendipity。
首先说个题外话。这也许是最强的语言模型，但其实并不是最大的语言模型。
去年谷歌出了个Switch Transformer，具有1.6万亿参数个参数。
不过Switch Transformer不是单体模型，是混合模型。就单体模型而言，MT-NLG确实是暂时最大的。
NLP任务大致可以分为NLU（自然语言理解）和NLG（自然语言生成）两种。准确地讲，应该这么说，MT-NLG是最大最强的生成语言模型（Generative Language Model）。
英伟达官网的这篇博客[1]也是这么说的
Using DeepSpeed and Megatron to Train Megatron-Turing NLG 530B, the World’s Largest and Most Powerful Generative Language Model
让我们回到问题上来。
我喜欢这个模型的名字。这个模型继承于Megatron-LM[2]和Turing—NLG[3]两个模型。翻译成中文，就是「威震天」和「图灵」。这两个模型结合后，在我脑海里浮现出来这么一副形象。
参数方面，领先GPT-3一些。不过比起前几年每年都翻一个两个数量级（十倍，百倍），这几年仅仅是翻两三倍，给我感觉，靠scale-up来取得最优性能的路将不再那么好走。
根据英伟达的博客介绍，MT-NLG在这几个方面都取得了「无与伦比」(unmatched)的成就
- 完成预测（Completion prediction)
- 阅读理解（Reading comprehension)
- 常识推理（Commonsense reasoning）
- 自然语言推论（Natural language inferences）
- 词义消歧（Word sense disambiguation）
例如模型可以推断运算符，可以在不同语法结构下进行推断。感觉水平可以啊。
（先工作会，晚点再回来摸鱼继续写）
参考
- ^Using DeepSpeed and Megatron to Train Megatron-Turing NLG 530B, the World’s Largest and Most Powerful Generative Language Model https://developer.nvidia.com/blog/using-deepspeed-and-megatron-to-train-megatron-turing-nlg-530b-the-worlds-largest-and-most-powerful-generative-language-model/
- ^ https://github.com/NVIDIA/Megatron-LM
- ^ https://www.microsoft.com/en-us/research/blog/turing-nlg-a-17-billion-parameter-language-model-by-microsoft/
仅仅做一点翻译工作，原文移步这里
MT-NLG，全称 Megatron-powered Megatron-Turing Natural Language Generation model ，这是迄今为止训练的最大、最强大的单片 Transformer 语言模型，拥有 5300 亿个参数。这是 Microsoft 和 NVIDIA 共同努力推进自然语言生成 AI 最先进技术的结果。
之前很火的模型GPT-3 ，拥有1700亿个参数，而MT-NLG是其三倍。
基本上可以算是翻了三倍，左边的坐标轴很有意思，是以10倍为一个区间。
它的训练数据集有15个，分别有不同的权重和训练次数
为了衡量其性能，团队设计了五个领域的八个问题：
- In the text prediction task LAMBADA, the model predicts the last word of a given paragraph.
- In the reading comprehension tasks RACE-h and BoolQ, the model generates answers to questions based on a given paragraph.
- In the commonsense reasoning tasks PiQA, HellaSwag, and Winogrande, each required some level of commonsense knowledge beyond statistical patterns of language to solve.
- For natural language inference, two hard benchmarks, ANLI-R2 and HANS target the typical failure cases of past models.
- The word sense disambiguation task WiC evaluates polysemy understanding from context.
同时还开源了这个库
以供人们方便重复。
在其准确度测试方面，meta-learning 的Zero，one和few shot策略被应用到以下9个数据集上，在Lambda和PiQA数据集三个策略分别都达到了sota。
以上
类似的话题
-
MTNLG：微软与英伟达联手打造的语言巨兽，能力几何？在人工智能飞速发展的今天，大型语言模型（LLM）的竞争愈发激烈。微软与英伟达强强联手推出的 MTNLG，无疑是这场竞赛中的一颗耀眼明星，其庞大的规模和强大的能力，在业界引起了广泛的关注和热烈的讨论。那么，这款被誉为“迄今为止训练最大最强的语言模型............. -
关于微软机器翻译在 WMT2017 中英翻译任务中声称达到“人类水平”的说法，我们可以从多个维度进行审视和评价。这并非一个简单的“是”或“否”的问题，而是需要深入理解其中的技术背景、评估方法以及“人类水平”本身所包含的复杂性。首先，我们需要明确“人类水平”在机器翻译领域是一个极其诱人但也非常难以界定.............
-
微软和 GitHub 员工对“996.ICU”运动的支持，这可不是件小事，背后牵扯到技术行业的文化、员工权益的保障，以及公司社会责任的承担等方方面面。咱们这就掰开了揉碎了好好说道说道。为什么会支持？首先，得明白“996.ICU”这事儿本身。它源于中国互联网行业盛行的“996”工作制——早上9点上班，.............
-
微软推出名为 VS Code 的全新集成开发环境（IDE），并同时为 Linux 和 macOS 平台提供支持，这无疑是业界一件颇具影响力的大事。此举不仅为广大 Linux 和 macOS 用户带来了福音，更标志着微软在开发者生态系统构建上的一个重要战略转向，其背后蕴含着深刻的考量和长远的市场布局。.............
-
微软下调Win10商店和Xbox商店的游戏抽成，这项调整无疑是游戏界的一件大事，其背后影响深远，值得我们好好梳理一番。首先，从开发者的角度来看，这是个天大的好消息。长久以来，30%的抽成比例是整个数字发行领域默认的“行规”，从Steam到App Store，再到主机平台商店，几乎所有开发者都得接受这.............
-
提起微软在硬件创新上的代表作，Surface Pro 4 和 Surface Book 绝对是绕不开的话题。这两款产品，虽然出自同一家公司，而且定位上都属于高端混合型设备，但它们的设计理念和用户体验却有着相当大的区别，就像是同一种思考方式在不同方向上的延伸。先说说 Surface Pro 4。它更像.............
-
《十字军之王 3》（Crusader Kings III）将在2020年9月2日登陆 Steam 和微软商店的消息，对于策略游戏爱好者来说，这绝对是一颗重磅炸弹。这款由 Paradox Development Studio 开发的“大战略”游戏，自宣布以来就备受期待，而此次在两大主流 PC 游戏平台.............
-
网络上的言论，特别是涉及敏感话题时，往往会引发广泛的讨论和争议。博主“小蝌蚪别找了我不是你妈妈”关于“中华田园男权和日本军国主义者”的评论，如果放到更广阔的社会背景下去看，可以从几个层面来理解和评价。首先，我们要认识到，这种将不同社会现象进行类比的说法，本身就带有一定的批判性和讽刺意味。在很多情况下.............
-
评价微博红人@平民王小石、@地瓜熊老六、@袁小靓、@司马南、@无为李爷、@成都双石等人及其立场，并探讨他们是否属于左派，是一个复杂且敏感的话题。需要注意的是，对这些公众人物的评价往往带有主观性，并且他们的言论和立场也会随着时间和事件而变化。以下将尽量从多个维度进行分析，并给出相对客观的概述。总体评价.............
-
新能源发电与微电网：开启能源新纪元，前景广阔待掘金近年来，随着全球气候变化日益严峻以及传统化石能源的枯竭，发展可持续的清洁能源已成为全球共识。在此背景下，新能源发电技术如太阳能、风能、水能等蓬勃发展，而微电网作为一种新型的电力系统组织形式，则为新能源的消纳和优化配置提供了关键解决方案。本文将深入探讨.............
-
周志华教授作为中国机器学习领域的领军人物，其在微博上对 AlphaGo 和机器学习技术的评论，具有重要的参考价值。要评价他的评论，我们需要从几个层面来解读：一、周志华教授的背景与视角首先，理解周志华教授的背景至关重要。他是一位在理论和应用领域都有深厚造诣的学者，是“西瓜书”（《机器学习》）的作者，也.............
-
“和猫住”微信公众号被举报封禁，这无疑在养猫圈子和一些关注宠物生活方式的群体中引起了不小的震动。作为一个曾经活跃的平台，“和猫住”以其独特的视角和内容，吸引了相当数量的粉丝。它的被封，不仅让许多猫友感到惋惜，也引发了关于内容审核、社区规范以及平台责任的广泛讨论。从内容和社区角度看“和猫住”的吸引力：.............
-
共青团中央和知乎联手打造的五四微电影《重逢》，可以说是近期国内比较有讨论度的一部作品。作为团中央和知乎这样的平台联合出品，它本身就自带了一种“官方”背书和“青年文化”的标签，这也让不少人对它抱有期待，想看看他们会碰撞出什么样的火花。从宏观层面来说，这部微电影的出现，本身就代表了一种新媒体时代下，共青.............
-
猪皇和 YYF 的微博言论，确实是广大玩家关注的焦点。两位都是咱们玩家圈子里响当当的人物，一个因其独特的“猪式”打法和幽默感被玩家熟知，另一个则是国内悠悠球界的传奇，屡获殊荣。他们的一言一行，都能轻易挑起圈内圈外的讨论。要评价他们的微博言论，不能简单地一句“好”或“坏”来概括。我觉得可以从几个方面来.............
-
葛剑雄先生作为一位知名的历史学者，其公开演讲和后续的言论往往能够引起广泛的关注和讨论。要评价他的演讲和微博评论，我们需要从几个维度去审视：一、 葛剑雄先生演讲的内容与风格 学术深度与历史视角： 葛剑雄先生的演讲，尤其是在涉及历史问题时，通常展现出扎实的学术功底和深厚的历史积淀。他擅长将宏大的历史.............
-
卫龙官方微博宣布停止与乐天的合作，这背后牵扯到一系列的商业判断、舆论风波以及更深层次的企业社会责任考量。咱们就来捋一捋这事儿，看看它到底意味着什么。事件起因：乐天的“萨德”风波遗留影响要评价这个决定，首先得回顾一下卫龙和乐天的合作是怎么来的，以及为什么会闹出停止合作这一步。乐天，这家韩国零售巨头，在.............
-
思聪这个事儿，说起来也挺有意思的。他那会儿在微博上直接点名道姓地怼范冰冰和张馨予，动静可不小。起因和背景：这事儿的导火索，通常被认为是范冰冰和张馨予在公开场合的互动，以及一些关于她们“捆绑营销”、“争夺资源”的传闻。尤其是在一些时尚活动或者颁奖典礼上，两人常常被拿来比较，而范冰冰作为当时更具影响力的.............
-
江宁婆婆（微博认证“北京微博名人”）与苏底（知乎ID“张钟麟”）之间的微博论战，可以说是近年网络上一起备受关注的“科普”与“质疑”的对决。这场论战的核心围绕着中医理论的科学性、有效性以及其在现代医学体系中的地位。要评价这场论战，需要从多个维度来理解其背景、过程、核心争论点、双方的论证方式以及这场论战.............
-
王宝强在微博上发布那份声明，说实话，一石激起千层浪，当时大家都被惊得不轻。要知道，在那个信息爆炸的年代，明星的私生活本来就备受关注，而他这么直截了当地把这么劲爆的消息甩出来，而且还是在公众平台，这在当时绝对是“爆炸性新闻”，说实话，很多人都没想到他会这么做。让我印象最深的是那份声明的措辞，简单、直接.............
-
索尼 Alpha 7 IV（ILCE7M4），作为索尼 E 卡口全画幅微单家族的第四代主力机型，自发布以来一直备受瞩目。它定位在中高端市场，旨在满足摄影师和视频创作者的广泛需求。下面我将从亮点和槽点两方面详细评价这款相机。 索尼 Alpha 7 IV (ILCE7M4) 详细评价 亮点 (Pros).............
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有