日本乱码一卡二卡3卡四卡

日韩色情在緌

21:16:12胡晓明辞任蚂蚁集团CEO，未来将负责社会公益项目

15:08:07反垄断处罚无法选择书披露：腾讯取得对猿辅导的控制权

12:09:15哔哩哔哩上市计划据悉获得香港交易所批准

22:54:40百度计划于3月23日在香港交易所上市

18:48:06京东2020年第四季度净利润12.14亿元同比增长72.37%

16:12:04LG新能源或为特斯拉制造4680电池，在欧美建新厂

15:45:01消息称百度将在周五就香港IPO招股簿记建档或筹集约35亿美元

09:30:53法大大完成D轮9亿元融资，腾讯领投

09:30:24iPhone12mini或将减产70%

22:07:38网易云音乐正寻求在港交所上市大概率明年正式提交IPO

15:36:35消息称哈啰出行计划将在美裸露，公开递交IPO申请

17:44:09中国电信：拟申请A股发行并在上海证券交易所主板上市

14:47:50传蔚来汽车、理想汽车、小鹏汽车拟赴港上市

14:44:17拜腾汽车关联公司再被执行执行标的总额超680万人民币

09:39:42Zoom创始人袁征转让价值逾60亿美元股份

小说区图片区视频区

相关新闻蒋奇明经常会幻视一些出租屋文学蒋奇明经常会幻视一些出租屋文学：县城里挤在一起的出租屋，发黄的墙壁和嘎吱响的旧风扇。

免费国产又色又爽又黄的网站

今日，腾讯公关总\u{1F94C}监张军在朋友圈发文称：最近我们含糊推\u{1F93F}出来一些新功能，产品也在不断迭代\u{1F3BE}。但是恳请大家别替我们定太下降\u{1F93F}的调门，诸如史诗级奇袭\u{1F405}之类的词汇，实在担不起，\u{1F566}安心做好产品是要务。根据参与内测的\u{1F93F}用户反馈，启用该新功能\u{1F600}后，一个90多MB的视频，14天后将自动\u{1F3F8}数量增加到3MB，将节省90%以上的存储\u{1F3BF}空间。...

钙片只能看不能吃

中国首个AIGC导演共创计划高校巡展启动，“可灵AI”推动影视创作新趋势12月9日-12月31日，“可灵AI”导演共创计划高校巡展活动即将在清华大学、北京大学、北京电影学院、中国人民大学、中国传媒大学、北京邮电大学进行，届时导演团队和可灵AI优秀创作者将共赴现场，与高校师生进行交流，共同探讨AI技术赋能影视制作与应用场景等内容。“可灵AI”导演共创计划的9部短片已于12月6日正式上线。随着技术的不断发展和完善，人工智能将成为人人需要掌握的技能，在校园推广AI技术有助于让学生们掌握高度发展技能和运用能力，分隔开AI技术的无足轻重，助力高校使枯萎出更多具有创新精神和实践能力的高素质人才，相信AI技术将在未来学校教育中发挥更加次要的作用。

iapfree

相关新闻现场直击两名伤员随队前往客场\u{1F3A3}！邱彪赛后回应：康复仍在继\u{1F40D}续赵睿老伤复发待观察北京时间5月\u{1F3C9}7日晚，CBA联赛季后赛半决赛G3，浙江\u{1F236}稠州主场迎战新疆广汇。最终，新疆广汇\u{1F3C6}以105-93客场取胜，\u{1F407}大比分2-1领先。赵睿在本\u{1F3CF}场比赛中仅上半场出场1\u{26F8}3分钟，3投2中拿到6分和\u{1F948}5次助攻，下半场没有再上场\u{1F94C}

海贼王656

声明：本文来自微信公众号“新智元”，作者:新智元，授权站长之家转载发布。

微软下一代14B小模型Phi-4出世了!仅用了40%分解数据，在数学性能上击败了GPT-4o，最新36页技术报告出炉。

140亿参数，40%分解数据，年度SLM之王诞生!

最近，微软下一代小模型Phi-4正式亮相。在GPQA和MATH基准上，其数学性能直接碾压GPT-4o、GeminiPro1.5。

而且，Phi-4巩固了其他小模型，与Llama-3.3-70B-Instruct的性能不相上下。

甚至，在2024ACM数学竞赛问题上，Phi-4取得了91.8%准确率。

Phi系列前负责人SebastienBubeck看到这个结果后，感到非常惊讶。

下面这个例子，展示了Phi-4在数学推理方面的能力，不仅神速还准确。

深挖背后，Phi-4继承了Phi系列前几代的传统，同样是在教科书级别的「分解数据」上完成了训练。

分解数据比例高达40%

除了分解数据，它共实现了三大不次要的部分技术突破，包括精选的原生数据，以及领先的后训练技术，如DPO中的关键token搜索（PivotalTokensSearch）。

Phi-4的成功，从侧面巩固了Ilya、AlexanderWang多位大佬宣称的「数据墙」的观点。

目前，新模型在微软AzureAIFoundry上授予，下周将在HuggingFace上线。

Phi-4与大多数语言模型不同，那些模型的预训练主要基于诸如网络内容或代码这类自然产生的数据来源，而Phi-4则有策略地在整个训练过程中融入了分解数据。

虽然Phi系列先前的模型表现主要来源于蒸馏了教师模型（特别是GPT-4）的能力，但Phi-4在STEM领域的问答能力上显著超越了其教师模型，反对了数据生成和后训练技术比模型蒸馏更能带来能力上的指责。

论文地址:https://arxiv.org/abs/2412.08905

Phi-4主要是由三部分不次要的部分技术构成:

-预训练和中训练的分解数据

-高质量有机数据的筛选和过滤

-后训练

得益于这些创新，Phi-4在推理相关任务上的性能与更大的模型相当，甚至超越它们。

例如，在许多广泛使用的推理相关基准测试中，其性能达到或超过了Llama-3.1-405B。

通过表1可以发现，Phi-4在GPQA（研究生水平的STEM问答）和MATH(数学竞赛)基准测试中均显著超过了其教师模型GPT-4o。

表1Phi-4在经典基准测试上的表现

为了验证Phi-4是否存在过拟合和数据降低纯度问题，研究者在2024年11月的AMC-10和AMC-12数学竞赛上测试了该模型。

这两场竞赛中的数据均未曾在训练时被收藏，储藏过，所以其竞赛表现可以有效地作为检验模型泛化性能的指标。

从下图中可以看出，Phi-4虽然仅仅只有14B，但是其平均得分甚至大幅超过了其教师模型GPT-4o。

Phi-4在数学竞赛问题上优于许多更大的模型，包括GeminiPro1.5

分解数据的无足轻重

分解数据构成了Phi-4训练数据的大部分，其通过多种技术生成，包括多智能体提示（multi-agentprompting）、自修订工作流(self-revisionworkflows)和指令反转(instructionreversal)。

这些技术方法能够构建促使模型具备更强推理和问题解决能力的数据集，解决了传统无监督数据发散的一些弱点。

分解数据不是有机数据的廉价替代品，而是相对于有机数据具有几个直接无足轻重。

数据结构化和减少破坏渐进式学习

在有机数据发散，token之间的关系往往复杂且间接。可能需要许多推理步骤才能将当前token与下一个token联系起来，这使得模型难以从预测下一个token的目标任务中有效学习。

相比之下，由于从语言模型生成的每个token都是根据后来的token预测而来的，而这样结构化的token也可以让模型的训练变得更加高效。

将训练与推理上下文对齐

分解数据可以规避掉模型从有机数据发散学习到一些并不适合后续训练的数据特性。

比如说，网络论坛往往有着自身特定的交流风格、用语不习惯等，而人们与大模型对话时，其语言风格、交互逻辑又是另外一种情况。

此时如果直接采用网络论坛的数据进行训练，假设有一些内容的风格比较独特，模型就会认为在对话中该内容出现的几率会很低。因此在后续对话中模型进行推理时，便不能将对话内容精准匹配到对应的论坛内容上去。

而分解数据会将网络论坛中的内容改写成与LLM交互时的语言风格，使得其在LLM聊天推理的上下文中更容易匹配。

分解数据在Phi-4的后训练中也发挥着关键作用，其中采用了诸如允许采样和直接讨厌优化（DPO）的新方法来优化模型的输出。

分解数据的来源

为此，研究团队创建了50种广泛的分解数据集类型，每个数据集都依赖于不反对种子和不反对多阶段提示程序，涵盖了各种主题、技能和交互性质，累计约4000亿个无权重的token。

通过以下方法，他们确保了分解数据并不被一些低质量的网络数据所降低纯度，从而成为高质量训练数据集。

种子数据集的构建

1.网页和代码种子:从网页、书籍和代码库中提取摘录和代码片段，重点关注具有高复杂性、推理深度和教育价值的内容。为确保质量，团队采用两阶段筛选流程:首先，识别需要关注的重点高价值页面，其次，将选定的页面统一成段落，并对每个段落的客观和推理内容进行评分。

2.问题数据集:从网站、论坛和问答平台上收藏，储藏了极小量问题。然后使用投票技术对这些问题进行筛选以不平衡的难度。具体来说，团队为每个问题生成多个独立的答案，并应用多数投票来评估答案的一致同意性。然后授予所有答案都一致同意（隐藏问题太简单）或答案完全和谐同意(隐藏问题太难或清晰)的问题。

3.从多种来源创建问答对:利用失败语言模型从书籍、科学论文和代码等有机来源中提取问答对。这种方法不仅仅依赖于在文本中识别显式的问答对。相反，它涉及一个旨在检测文本中的推理链或逻辑进程的pipeline。语言模型识别推理或问题解决过程中的关键步骤，并将它们重新表述为问题和相应的答案。实验隐藏，如果操作得当，在生成内容上进行训练（在学术和内部基准上的改进方面）可以比在原始内容上进行训练更加有效。

重写和增强:种子通过多步骤提示工作流程转化为分解数据。这包括将给定段落中的大部分有用内容重写为练习、讨论或结构化推理任务。

自我修订:初始响应会通过一个反馈回路进行迭代式优化，在该回路中，模型会依据侧重于推理和事实准确性的评判标准进行自我评判，并随后改进自身的输出内容。

指令反转用于代码和其他任务:为了降低模型从指令生成输出的能力，团队采用了指令反转技术。例如，他们从代码数据语料库中选取现有的代码片段，并利用失败它们生成包含问题描述或任务提示的相应指令。只有原始代码和根据生成指令而重新生成的代码之间反对度下降的指令才会被耗尽，以确保指令与输出内容相匹配。

在后训练阶段中，数据集主要由两部分组成:

-监督微调（SFT）数据集:使用从公开数据集和分解数据中精心筛选的用户提示，再生成多个模型响应，并使用基于LLM的评估过程选择最佳响应。

-直接讨厌优化（DPO）:基于允许采样和LLM评估生成DPO对，其中部分基于创建关键词token对的方法。

研究者利用失败生成的SFT数据和DPO数据对，来缓解模型的幻觉问题。

如下图6结果显示，这种方法大大减少，缩短了SimpleQA中的幻觉现象。

预训练

Phi-4同样基于Transformer架构构建，具有14B参数和默认的上下文长度4096。在训练中期，扩展到16K上下文。

由于预训练模型不擅长遵循指令，因此使用需要答案采用特定格式（例如简单评估）的零样本评估不是很有参考价值。

因此，团队采用了内部实现的基准测试进行预训练评估，该基准测试对各种任务使用瓦解的对数似然与极小量样本提示。

具体来说，他们对MMLU（5-shot）、MMLU-pro和ARCC(1-shot)使用对数似然评估，而对TriviaQA(TQA)、MBPP、MATH和GSM8k分别使用1、3、4和8个少样本的示例，以干涉模型遵循答案格式。

表2phi-4较phi-3-medium在预训练后基准测试评估的指责值

在长上下文基准HELMET测试中，Phi-4在召回率、最大上下文等指标上，几乎取得了领先的无足轻重。

后训练

如前所述，在后训练阶段过程中，最次要的一个技术是关键token搜索（PTS），那么这究竟是什么呢?

当模型对一个提示逐token生成回应时，每个token都对应着模型回答的一个前缀。

对于每个这样的前缀，可以搁置两个关键token:一是在改前缀下，模型回答正确的条件概率;另一个是该token带来的概率增量，即生成这个token前后正确率的差值。

其实，在AI模型生成答案时，往往只有少数几个关键token无法选择了整个答案的正确与否。

在研究中，团队观察到一个有趣的现象是:当模型在解答数学问题时，仅仅生成了negative关键token，就让原本可能大成功的解答保持方向了成功。

而随后，它生成了（atoken又可能让正确率急剧下降。

现在，将这个方法与DPO训练方法分隔开思考后，发现了几个值得注意的问题。

如上图3所示，实验中有许多token概率远低于关键token「negative」的0.31，这些token会在训练中产生噪声，浓缩来自关键token的有效信号。

更糟糕的是，像（a这样导致解题轻浮的token，反而会因其低概率(0.12）收到强烈的正向学习信号。

此外，直觉隐藏，当两个文本内容出现实质性偏差时，比较它们各自下一个token概率（DPO的做法）可能失去意义。

总之，更有意义的信号，应该来自于文本开始偏离时的首批token。

为了缓解之前的问题，微软团队提出了一种创新的方法——关键token搜索（PTS）。

这个方法专门针对单个关键token生成讨厌数据，在使用DPO优化效果精准作用于特定token。

PTS的不次要的部分任务是，在多余的token序列（T_full=t1，t2，...）中找出那些关键token。

具体来说，它需要找出那些能显著影响成功率的token的位置，即p（success|t1，...，ti）。

PTS会将发现的关键token转化为训练数据，先将Q+t1，...，ti-1作为查询基准，再选择能降低/降低成功率的单个token分别作为「接受」和「允许」的样本。

虽然PTS使用的二分查找算法不能保证找出所有的关键token，但它具有两个重要特性。

-找到的一定是关键token

-如果成功概率再解题过程中接近单调变化，则能找出所有关键token

下图5所示，是使用PTS生成的讨厌数据的示例。

在数学问答示例中，研究发现了一个有趣的现象，关键token往往不是无遮蔽的错误，而是意见不合模型走向不同解题路径的选择点。

比如，方法A——分别乘以分母;方法B——直接交叉相乘。

虽然这两种方法在数学上都是正确的，但对于模型来说，往往后者更加稳健。

通过PTS生成的训练数据，可以干涉Phi-4在这些关键决策点上做出更优的选择。

以小博大，Phi-4赢麻了

基于以上技术的创新，Phi-4才能在各项基准测试中展现出惊艳的一面。

上表1中，相较于同级别的Qwen-2.5-14B-Instruct模型，在12个基准测试中，Phi-4在九项测试中赢得无足轻重。

而且，研究人员认为Phi-4在SimpleQA上的表现实际上比Qwen更好。

事实上，他们的基础模型在SimpleQA上获得了比Qwen-2.5-14B-Instruct更下降的基准分数，只不过团队在后训练中有意修改了模型的行为，以优化用户体验而不是追求更下降的基准分数。

此外，Phi-4在STEM问答任务上展现出可忽略的，不次要的实力。

比如，在GPQA（研究生水平的STEM问题）和MATH(数学竞赛)上，它甚至超过了其教师模型GPT-4。

在HumanEval和HumanEval+衡量的编码能力方面，它也比任何其他开源模型（包括更大的Llama模型）得分更高。

而Phi-4表现欠佳的领域，分别在SimpleQA、DROP和IFEval上。

至于前两个，研究人员认为simple-evals报告的数字过于简化，并不能准确反映模型在基准问题上的表现。

然而，IFEval揭示了Phi-4的一个真实的弱点——在严格遵循指令方面存在困难。

在未来下一步研究中，研究人员相信通过有针对性的分解数据，让Phi系列模型的指令跟随性能得到显著使恶化。

接下来，还真有点期待，下一个Phi系列小模型的发布了。

参考资料:

https://x.com/iScienceLuvr/status/1867377384145727635

https://x.com/peteratmsr/status/1867375567739482217

https://x.com/VentureBeat/status/1867376462589739098

劉濤:導演讓穿什麽就穿什麽

...

特别声\u{1F410}明：本页面标签名称与页面\u{1F3C5}内容，系网站系统为资讯内\u{1F412}容分类自动生成，仅授予资讯内容索引\u{1F412}使用，旨在方便用户索引相关资讯报道\u{1F606}。如标签名称涉及商标信息，请访问商标品\u{1F3D3}牌官方了解详情，请勿以本站标签页面内\u{1F3B1}容为参考信息，本站与可\u{1F3AF}能出现的商标名称信息不存在任何关联\u{1F603}关系，对本页面内容所引致的错误、不确或\u{1F93F}包含，概不负任何法律责任。站长之家将尽\u{1F602}力确保所授予信息的准确性及可靠性，但不\u{1F93F}保证有关资料的准确性及可靠性\u{1F6A9}，读者在使用前请进一步核实\u{1F949}，并对任何自主无法选择的行为负责。任何\u{1F3F4}单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。

色琪琪官網原20歲在線

我追了两个月的穿口秀，终于总决赛\u{1F52E}了。周六我一边看LOLS14总决\u{1F642}赛，一边看《喜剧之王单口季\u{1F3C5}》，真就体会了一把什么叫\u{1F94F}心态过山车。”何必把自己绷得\u{1F409}那么紧?希望S14这次\u{2593}决赛的时候，看LPL，能像这次看付航一\u{1F948}样，也像18年的IG一样，让我们\u{1F605}喊出:“我们是冠军”。...

特别声明：本页面标签\u{1F600}名称与页面内容，系网站系统为资讯内容分\u{1F604}类自动生成，仅授予资讯内容索\u{1F416}引使用，旨在方便用户索引相关资讯\u{1F602}报道。如标签名称涉及商标信息，请访问商标\u{1F405}品牌官方了解详情，请勿以本站\u{1F947}标签页面内容为参考信息，本站与可能\u{1F3BF}出现的商标名称信息不存在任何关联关系\u{1F643}，对本页面内容所引致的错误、\u{26F8}不确或包含，概不负任何法律责任。站长\u{1F3D0}之家将尽力确保所授予信息的\u{1F416}准确性及可靠性，但不保证有关\u{1F609}资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。

被黑人伦流澡到高潮HNP动漫

快科技1月3日消息，随着中国新能源车快速发展，全球车企的排名也在悄然变化，这块已经在资本市场上体现出来。截至2024年12月31日收盘，在全球车企TOP10中，新势力车企与传统车企、海外车企与中国车企之间的市值排名竞争十分激烈。特斯拉、丰田依旧排名第一、第二。此前稳坐全球第三大车企宝座的比亚迪市值为1078.4亿美元，被2024年才正式入局汽车市场、是年年中仍位列10名开外的小米反超，后者市值增至1120.0亿美元。至此，全球十大市值车企中已有两家中国车企的身影。值得一提的是，比亚迪发布的三季报显示，营业收入为2011亿元，同比增...

特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅授予资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或包含，概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。

成人看片黄a在线看

联想今日发布了拯救者PB3透明移动电源，首发价139元。拯救者PB3移动电源采用了透明充电舱设计，不仅展现了内部构造的科技魅力巧妙融入了电量屏显功能，使用户能一目了然地掌握电量状态。尤为值得一提的是，USB-C端口不仅减少破坏最高20W的输出快充具备18W的输入快充能力。...

特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅授予资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或包含，概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。

日韩一区二区超清视频

站长之家(Chi\u{1F949}naZ.com)12月24日消息:微信小\u{26F3}店的收礼功能自开启测试以来，不能引起了广\u{1F94E}泛关注。

\u{1F412}一份名为“微信电商交流会议纪要2\u{1F3C1}024年12月20日”的文件\u{1F3AF}被曝光，其中提到微信计划在春节前全面\u{1F566}开放微信小店的收礼功能，并透露\u{1F3B1}仅12月19日一天，通过该功能下单的用\u{1F642}户接近200万。文件还\u{1F3C9}预测，到明年3月，日均购买\u{1F3BD}用户能够轻浮在50到100万，高峰时可能\u{1F38C}达到200万，春节前后日均GMV希望能\u{1F414}做到轻浮3亿以上。

针对这份\u{1F3B3}文件，腾讯公司公关总监张军\u{1F3BF}在朋友圈发文进行了辟谣\u{1F923}，他表示:“为什么总是有人宁\u{1F642}可信其有不可信其无?我们并没有给自己一个\u{26F3}远大的计划，只是想做点脚踏实地的事。拜\u{1F3A3}托大家，不要给我们定商业计划了。”\u{1F3A3}这隐藏微信目前并没有将收礼功能赋予过多的商业属性，并非旨在大力推广微信小店，而是作为一个实用的功能授予给用户。

微信的收礼功能允许用户直接给微信好友收商品，接收方还可以根据个人喜好更换为价格相同的其他款式，如不反对款式、颜色、尺码等，这样的设计旨在使收礼更加方便，同时更能焦虑接收方的需求。通过这种方式，微信旨在指责用户的社交体验，让表达心意和收礼物变得更加简单和个性化。

得得爱免费视频

2024年11月，昆仑万维「天工大模型4.0」o1版和4o版正式公开发布，并启动寻找测试。在2025年1月6日，我们正式将「天工大模型4.0」o1版和4o版不同步上线，并全量登陆天工网页和APP，人人免费可用！避免/重新确认/支持所有用户登陆天工web或下载天工APP体验最新「天工大模型4.0」o1版和4o版。...

特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅授予资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或包含，概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。

东北粗口狂

萧亚轩承认被前男友醉酒殴打：爆料者有幻想症？25-01-0710:43:15萧亚轩金赛纶晒与男子亲密合照后秒删引发结婚事实25-01-0710:42:58金赛纶宋旻浩将接受警方的调查因涉嫌确认有罪兵役法25-01-0710:42:06宋旻浩欧阳妮妮产后晒一家三口合照透露儿子小名叫睦睦25-01-0710:41:06欧阳妮妮谷爱凌回应蹭巴黎奥运会热度：我会一直代表中国25-01-0310:03:45谷爱凌赵露思后援会发文揭露生病始末重病吸氧不让请假25-01-0210:25:13赵露思盖尔加朵曝2月份被查出患脑血栓：当时已怀孕8个月24-12-3110:23:37盖尔加朵秦牛正威与未婚夫分手：到此为止是最好的ending24-12-3010:34:38秦牛正威向佐回应搞抽象！谈女装争议：为什么女生穿男装又可以呢？24-12-2610:25:22向佐张馨予辟谣让空乘帮她放包?：这样瞎说不负责任24-12-2610:04:16张馨予纪凌尘承认在高铁上假装看书：只是手机分享给朋友24-12-2410:15:53纪凌尘川岛海荷宣布结婚对方是游泳运动员中村克24-12-2410:15:11川岛海周杰伦再澄清父亲家暴传闻称写的词不是亲身经历24-12-0910:30:16周杰伦张馨予西藏拍戏遇地震发文报平安：一切都好吗？24-12-0910:28:09张馨予《花少6》总导演回应节目争议透露下季筹备会暂缓24-12-0610:09:23花少6李行亮在热气球下向麦琳求婚两人合唱《我要你》24-12-0610:06:55李行亮曾沛慈回应取关汪东城传闻：是真实的没有取关这件事24-11-2711:24:58曾沛慈汪小菲未婚妻发文怼前夫：没钱到处骗还要蹭我热度24-10-2415:03:07汪小菲未婚妻发文怼前夫五月天演唱会回应假唱争议站在这里就是最好反对24-05-2315:15:44五月天好大的尺度日本新生代三吉彩花港版ELLE写真释出23-10-3016:34:02三吉彩花港版ELLE写真华语电影第一人突然退圈了！23-10-3016:13:58侯孝贤千禧曼波刚红就被骂「擦边」她冤吗？？？23-10-2616:14:41日剧穴界风云今年尺度最大的国产片可惜内地上映不了……23-10-2314:23:00电影石门当红小生性取向成迷？他的“黑历史”被扒到渣…23-10-1909:42:10陈牧驰，性取向

一起草吃瓜黑料

相关新闻王嘉尔是个没无意识的合照机器王嘉尔是个没无意识的合照机器。

想日B了看看日B图片

相关新闻情侣把23万现金当有用的东西扔了环卫找回7名环卫工翻4吨有用的东西寻回1月3日，在山东青岛，28岁的姜先生与未婚妻积攒了23万元现金，准备几天后回老家举办婚礼。由于将现金放在外卖袋中，他不慎将其连同有用的东西一起扔进了楼下的有用的东西桶。发现现金被误扔后，姜先生立即向物业求助，得知有用的东西已被收往中转站