麻豆视频国产_男人天堂电影_午夜影院在线_一级黄色毛片_精品无码久久久久久国产_国产高清自拍

RAFT:讓大型語言模型更擅長特定領域的 RAG 任務(raft詳解)

RAFT(檢索增強的微調)代表了一種全新的訓練大語言模型(LLMs)以提升其在檢索增強生成(RAG)任務上表現的方法。“檢索增強的微調”技術融合了檢索增強生成和微調的優點,目標是更好地適應各個特定領域。該技術由微軟的主要AI倡導者 Cedric Vidal 和 Meta 的 AI 倡導者 Suraj Subramanian 共同提出。

一、前言

生成式 AI 對企業最具影響力的應用之一是創建能夠訪問已有知識庫的自然語言接口,換句話說,它能夠針對銀行、法律和醫學等特定領域提供問題解答。目前主要有兩種方法可以實現這一點:

  1. 特定領域微調 (DSF):在代表特定領域知識的文檔集上訓練現有的基礎模型。
  2. 檢索增強生成 (RAG):將文檔存儲在矢量數據庫中,并在查詢時根據與問題的語義相似性檢索相關文檔,并將其納入大型語言模型的上下文進行情境學習。

本文將探討這兩種方法的局限性,并介紹加州大學伯克利分校研究人員 Tianjun Zhang 和 Shishir G. Patil 提出的 RAFT 方法如何克服這些局限性。該團隊以 Gorilla 大型語言模型而聞名,他們在 RAFT 論文中介紹了這種新方法,并展示了如何使用 Meta Llama 2Azure AI Studio 進行研究和實施。

伯克利團隊還發表了一篇博客文章,解釋了 RAFT 方法的優缺點以及如何產生更有效的結果。RAFT 論文的代碼實現可在他們的 Github 代碼庫中找到。

接下來,我們將介紹 RAFT 方法的工作原理。

二、理解 RAFT 方法

RAFT 是一種將預訓練的大型語言模型微調到特定領域 RAG 設置的通用方法。在特定領域 RAG 中,模型需要根據特定領域的一組文檔回答問題,例如企業中的私有文件。這與通用 RAG 不同,因為通用 RAG 中的模型并不知道它將在哪個領域進行測試。

為了更好地理解特定領域 RAG,我們可以將其與考試類比。

  • 閉卷考試:類比于大型語言模型無法訪問任何外部信息來回答問題的情況,例如聊天機器人。在這種情況下,模型只能依靠預訓練和微調期間學習到的知識來響應用戶的提示。
  • 開卷考試:類比于大型語言模型可以參考外部信息來源(例如網站或書籍)的情況。在這種情況下,模型通常會與檢索器配對,檢索器會檢索相關文檔并將其附加到用戶的提示中。模型只能通過這些檢索到的文檔獲取新知識。因此,模型在開卷考試設置中的性能很大程度上取決于檢索器的質量以及檢索器識別相關信息的能力。

傳統的 RAG 在收到查詢時,會從索引中檢索一些可能包含答案的文檔,并將其作為上下文來生成答案。這就像學生參加開卷考試,可以翻閱教科書尋找答案。相比之下,微調就像閉卷考試,學生只能依靠記憶來回答問題。顯然,開卷考試更容易,這也解釋了 RAG 的有效性和流行性。

然而,這兩種方法都存在局限。微調的模型只能依賴于它所訓練的知識,有時可能會出現近似或幻想的問題。RAG 雖然基于文檔,但檢索到的文檔可能只是與查詢語義接近,并不一定包含正確答案。這些干擾性文檔可能會誤導模型,導致生成錯誤的答案。

為了克服 RAG 的這些缺陷,TianjunShishir 提出了一種新的方法:RAFT。他們認為,如果學生在開卷考試前預先學習教科書,就能取得更好的成績。同樣,如果大型語言模型能夠事先“學習”文檔,就能提高 RAG 的性能。他們提出的檢索增強型微調(Retrieval-Augmented Fine Tuning)方法,就是試圖讓模型在使用 RAG 之前先對特定領域進行學習和適應。

RAFT 專注于一種比通用開卷考試更窄但越來越受歡迎的領域,稱為特定領域開卷考試。在這種情況下,我們事先知道模型將要測試的領域,例如企業文檔、最新新聞或代碼庫等。模型可以使用它所微調的特定領域中的所有信息來回答問題。

RAFT:讓大型語言模型更擅長特定領域的 RAG 任務(raft詳解)

RAFT 使用 Meta Llama 2 7B 語言模型,首先準備一個合成數據集,其中每個樣本包含:

  • 一個問題
  • 一組參考文檔(包括相關文檔和干擾性文檔)
  • 從文檔中生成的答案
  • 使用思維鏈解釋,包含來自相關文檔的摘錄(由如 GPT-4 或 Llama 2 70B 這樣的通用大語言模型生成)

該數據集用于微調 Llama 2 7B 模型,使其更好地適應特定領域,并學會從檢索到的上下文中提取有用的信息。思維鏈解釋可以防止過擬合,提高訓練的魯棒性。

RAFT 介于 RAG 和特定領域微調之間,它既能使大型語言模型學習領域知識和風格,又能提高答案生成的質量。對于像 Llama 2 這樣在多個領域訓練的預訓練模型,RAFT 可以使其更適合醫療保健或法律等專業領域。

三、RAFT 模型評估

為了評估 RAFT 模型的性能,伯克利團隊使用了來自不同領域的數據集,包括維基百科、編碼/API 文檔和醫學問答:

  • 自然問題 (NQ)、Trivia QA 和 Hotpot QA:基于維基百科的開放域問題,主要集中在常識。
  • HuggingFace、Torch Hub 和 TensorFlow Hub:來自 Gorilla 論文中提出的 APIBench,主要關注如何根據文檔生成正確的 API 調用。
  • PubMed QA:專門針對生物醫學研究問答的數據集,主要側重于根據給定文檔回答醫學和生物學問題。

研究人員還比較了以下基線模型:

  • 使用零樣本提示的 LlaMA2-7B-chat 模型:這是問答任務中常用的指令微調模型,提供清晰的指令,但不提供參考文檔。
  • 使用 RAG 的 LlaMA2-7B-chat 模型 (Llama2 RAG):與前者類似,但添加了參考上下文,是處理特定領域問答任務時最常用的組合。
  • 使用零樣本提示的特定領域微調 (DSF):在沒有參考文檔的情況下進行標準指令微調。
  • 使用 RAG 的特定領域微調 (DSF RAG):為特定領域微調模型配備外部知識,使其能夠參考上下文來回答未知問題。

下表展示了 RAFT 在醫學 (PubMed)、常識 (HotPotQA) 和 API (Gorilla) 基準測試上的結果。

RAFT:讓大型語言模型更擅長特定領域的 RAG 任務(raft詳解)

四、Azure AI Studio 微調

伯克利團隊使用 Azure AI Studio 中的模型即服務 (MaaS) 對 Meta Llama 2 進行了微調,用于他們的 RAFT 論文。微軟學習平臺也提供了相關教程,解釋如何在 Azure AI Studio 中微調 Llama 2 模型。

過去,微調通常需要機器學習工程師具備豐富的專業知識,包括生成式 AI、Python、機器學習框架、GPU 和云基礎設施等。Azure AI Studio 的出現改變了這一現狀,它自動化了所有技術細節和基礎設施設置,讓用戶可以專注于數據準備。

以下是訓練 RAFT 模型的簡短教程,包括數據集準備、模型微調和模型部署。

4.1、數據集準備

我們提供一個示例來準備 RAFT 的數據集。數據集包含問題、上下文和答案。上下文是一組文檔,答案是使用思維鏈風格從其中一個文檔生成的,并借助 GPT-4 進行輔助。

Question: The Oberoi family is part of a hotel company that has a head office in what city?context: [The Oberoi family is an Indian family that is famous for its involvement in hotels, namely through The Oberoi Group]...[It is located in city center of Jakarta, near Mega Kuningan, adjacent to the sister JW Marriott Hotel. It is operated by The Ritz-Carlton Hotel Company. The complex has two towers that comprises a hotel and the Airlangga Apartment respectively]...[The Oberoi Group is a hotel company with its head office in Delhi.]CoT Answer: ##Reason: The document ##begin_quote## The Oberoi family is an Indian family that is famous for its involvement in hotels, namely through The Oberoi Group. ##end_quote## establishes that the Oberoi family is involved in the Oberoi group, and the document ##begin_quote## The Oberoi Group is a hotel company with its head office in Delhi. ##end_quote## establishes the head office of The Oberoi Group. Therefore, the Oberoi family is part of a hotel company whose head office is in Delhi. ##Answer: Delhi

4.2、模型微調

我們將訓練模型根據問題和提供的上下文輸出思維鏈答案?;A模型 Llama2-7B 適用于 RAG 任務,因為它具備推理、理解語言、低延遲推理和易于適應不同環境的能力。用戶只需打開 AI Studio 的微調向導

RAFT:讓大型語言模型更擅長特定領域的 RAG 任務(raft詳解)

選擇要微調的模型

RAFT:讓大型語言模型更擅長特定領域的 RAG 任務(raft詳解)

選擇上傳數據選項并上傳您的訓練數據集,它必須是 JSONL 格式

RAFT:讓大型語言模型更擅長特定領域的 RAG 任務(raft詳解)

并指定提示和完成所在的列

RAFT:讓大型語言模型更擅長特定領域的 RAG 任務(raft詳解)

最后設置批量大小乘數、學習率和訓練輪數即可。

RAFT:讓大型語言模型更擅長特定領域的 RAG 任務(raft詳解)

對于這些參數,Tianjun 和 Shishir 建議:

  • 對于微調,使用乘數 1,學習率 0.00002 和訓練輪數 1。

4.3、模型部署

訓練模型后,您可以將其部署在您自己的 GPUCPU 上,也可以將其部署在微軟 AI Studio 上。

RAFT:讓大型語言模型更擅長特定領域的 RAG 任務(raft詳解)

AI Studio 極大地降低了大型語言模型微調的門檻,讓開發人員和企業可以更輕松地調整模型以適應特定領域的任務。這將推動定制模型在不同企業中的應用,促進生成式 AI 和大型語言模型的普及。

五、RAFT 團隊答疑

Cedric 和 Suraj 就 RAFT 的相關問題采訪了 Tianjun 和 Shishir。

問:為什么選擇 Llama 2 7B?

答:因為我們專注于 RAG 任務,這類任務需要模型具備推理、理解語言、低延遲推理和易于適應不同環境的能力。Llama 2 7B 恰好滿足這些要求,它是許多常識性問答任務的良好基礎模型,具有優秀的數學能力,并且能夠解析較長的文檔。同時,它也適合在 4 個 A100-40G GPU 上訓練并在單個 GPU 上部署。綜合考慮性能、易部署性和許可證等因素,Llama 2 模型非常適合 RAFT 任務。我們也希望借助微軟 AI Studio 探索 Llama 2 13b 或 70b 的潛力。

問:對于嘗試微調 Llama 的人,您有什么建議?

答:微調 Llama 是一項復雜的任務,涉及數據收集、數據清理和實際微調。我們建議收集與目標領域相關的多樣化問題,并構建思維鏈答案。存儲中間檢查點可以幫助提前停止訓練。此外,微調的學習率應該比預訓練的學習率低至少一個數量級。其他最佳實踐包括使用 16 位精度、訓練不超過 3 個 epoch,以及使用大批量大小。

問:微調應該應用于每個領域嗎?

答:微調模型的知識學習依賴于特定領域,但其行為在一定程度上可以泛化到其他領域。這涉及到準確性和泛化性之間的權衡。通常,針對特定領域進行微調是比較好的做法,但如果企業文檔集有限,針對這些文檔進行微調可能會獲得更好的性能,因為知識范圍更集中。

問:您對 Azure AI Studio 微調系統有何看法?

答:Azure AI 微調系統非常用戶友好,從訓練數據上傳到超參數選擇,再到部署訓練好的模型,一切都非常簡單易用。

問:AI Studio 微調有什么優勢?

答:最大的優勢是用戶無需擔心 GPU、訓練平臺和模型部署等問題,只需一鍵操作即可完成,而且性能出色!

問:您認為 AI Studio 微調可以改進什么?

答:作為研究人員,我們希望開發者能夠提供更多關于系統內部微調配方的細節,例如它是使用低秩近似微調還是全參數微調,使用了多少個 GPU,以及 LoRA 的超參數設置等等。

問:您認為 AI Studio 微調會給行業帶來什么變化?

答:它可以使企業輕松進行大型語言模型的微調和部署,極大地促進定制模型在不同企業中的應用。

六、結論

Llama 和 Azure 通過提供易于使用的平臺,使開發人員和企業能夠創建針對特定需求和挑戰的創新解決方案,推動了特定領域 AI 開發的新范式。這將使更多人受益于生成式 AI 和大型語言模型的最新進展,構建更加多樣化和包容的 AI 生態系統。(注: AI Studio 微調目前在美國西部 3 可用

七、References

[1]. Tianjun Zhang, Shishir G. Patil, Naman Jain, Sheng Shen, Matei Zaharia, Ion Stoica, Joseph E. Gonzalez, R. (2024). RAFT: Adapting Language Model to Domain Specific RAG: https://arxiv.org/pdf/2401.08406.pdf

[2]. Gorilla LLM https://github.com/ShishirPatil/gorilla

[3]. Meta Llama 2 https://llama.meta.com/

[4]. Azure AI Studio https://ai.azure.com/

[5]. RAFT Github Repo: https://github.com/ShishirPatil/gorilla/tree/main/raft

[6]. Fine-tune a Llama 2 model in Azure AI Studio: https://learn.microsoft.com/en-us/azure/ai-studio/how-to/fine-tune-model-llama

[7]. MS Learn https://learn.microsoft.com/

[8]. RAFT: Adapting Language Model to Domain Specific RAG: https://gorilla.cs.berkeley.edu/blogs/9_raft.html

相關新聞

聯系我們
聯系我們
公眾號
公眾號
在線咨詢
分享本頁
返回頂部
主站蜘蛛池模板: 亚洲欧美一区二区三区在线 | 午夜成人在线视频 | 成人av高清 | 黄色一级毛片 | 欧美成人精品一区二区三区在线看 | 国产精品一区一区 | 日本黄色大片免费 | 日韩一区中文字幕 | www.日韩三级 | 欧美在线视频一区二区 | 国产99久久 | 青青青久草 | 欧美在线xxx| 看黄网址 | 第一福利丝瓜av导航 | 亚洲成人免费观看 | 日韩欧美在线一区 | 视频1区| 成年人免费看片 | 成人福利在线 | 黄色av毛片 | 天天爽夜夜爽夜夜爽精品视频 | yy6080久久伦理一区二区 | 亚洲精品视频免费 | 国产精品久久国产精品 | 天堂精品一区二区三区 | 精品乱码一区二区 | 国产一区二区三区久久久 | 欧美国产精品一区 | av在线一区二区 | 伊人伊人网 | 亚洲 欧美 另类 综合 偷拍 | 日韩精品www | 成人网在线 | 精品国产一区二区三区性色av | 国产女精品 | 一级欧美一级日韩 | 1级毛片| 一区视频 | 久久久久久久国产 | 色丁香婷婷 | 欧美黄色网 | 色十八 | 欧美福利在线观看 | 亚洲成av人片一区二区三区 | 91午夜在线| 欧美专区在线 | 色一情一乱一伦一区二区三区 | 成人av播放 | 中文字幕亚洲精品 | 国产亚洲成av人片在线观看桃 | 91一区二区三区 | 91精品久久久久久久久 | 成人涩涩日本国产一区 | 亚洲欧美国产一区二区三区 | 日韩综合区 | 欧洲精品在线观看 | 在线视频中文字幕 | 精品国产一区在线 | 中文字幕日韩欧美一区二区三区 | 国产精品亚洲一区二区三区 | 国产一级片 | 欧美精品在欧美一区二区少妇 | 男女深夜网站 | 91久久精品一区二区二区 | 日韩视频精品在线 | 国产亚洲精品美女久久久久久久久久 | 91人人爽人人爽人人精88v | 国产成人中文字幕 | 欧美一区二区三区视频 | 欧美在线视频一区二区 | 成人午夜免费视频 | 美女久久 | 日韩成人在线一区 | www.青青草| 亚洲女人天堂成人av在线 | 国产v日产∨综合v精品视频 | 伊人欧美在线 | 免费观看的av | 亚洲欧美成人网 | 97色综合 | 91精品一区二区三区久久久久久 | 青草成人免费视频 | 这里只有精品视频 | 久久精品久久久久电影 | av手机在线播放 | 中文字幕二区 | 国产成人在线一区二区 | 一区二区三区国产好 | 一区二区国产精品 | 九九人人 | 操操网站| 黄av在线 | 视频精品一区二区 | 午夜免费视频网站 | 日韩久久久久久 | 日本欧美在线观看 | 久久久久亚洲 | 91电影在线看 | 欧美在线综合 | 国产福利在线播放 | 久久精品欧美一区二区三区麻豆 | 一区二区三区在线播放视频 | 国产色视频在线观看免费 | 毛片入口| 亚洲精品成人 | 亚洲精品一 | 日本二区| 99国内精品久久久久久久 | 国产三级在线免费观看 | 91免费看 | 亚洲精品电影 | 日韩三级视频 | 久久99这里只有精品 | 国产日韩一区二区三区 | 亚洲高清在线观看 | 欧美国产视频 | 久久成人免费 | 国产一区二区三区91 | 国产福利一区二区 | 国产精品网站在线看 | 国产精品久久久久久久久小说 | 国产高清久久久 | 成人h视频在线观看 | 国产一区二区三区不卡在线观看 | 精品亚洲成a人片在线观看 国产高清在线 | 欧美日韩在线一区二区 | 噜噜噜在线视频 | 在线日韩视频 | 成人超碰 | 久久青| 欧美日韩不卡在线 | 99久久夜色精品国产网站 | 国产一区二区三区视频在线观看 | 成人在线一区二区 | 日韩中文字幕在线观看 | 91精品国产乱码久久久久久 | 亚洲cb精品一区二区三区 | 国产成人精品久久二区二区 | 亚洲精选国产 | 中文字幕二区三区 | 中文字幕在线影院 | 国产精品a一区二区三区网址 | 亚洲av毛片 | 日日爱视频 | 欧美精品一区二区三区在线四季 | 日本一区二区不卡 | www.久久视频 | 国产99久久久久久免费看农村 | 国产精品国产精品国产专区不卡 | 日本久久精品视频 | 成人精品视频 | 一区二区三区免费 | 久久永久视频 | 亚洲国产欧美一区二区三区久久 | 久久se精品一区精品二区 | 在线一区观看 | 久久精品综合 | 国产成人涩涩涩视频在线观看 | 欧美视频在线免费看 | 永久91嫩草亚洲精品人人 | 国产欧美精品 | 久久中文字幕一区 | 日韩中文一区二区三区 | 国产精品美女久久久久久久久久久 | 国产一二三区在线观看 | 欧美在线视频一区二区 | www.99精品| www.成人| 精品乱子伦一区二区三区 | 99精品欧美一区二区三区综合在线 | 九九在线视频 | 亚洲一区久久久 | 九九在线视频 | 国产精品久久久久久久久 | 精品一区二区三区免费视频 | 亚色在线| 91麻豆产精品久久久久久 | 欧美爱爱视频 | 国产精品网址 | 国产一区二区三区久久久久久久久 | 欧美精品一区二区三区蜜臀 | 久久精品欧美一区二区三区不卡 | 日本丶国产丶欧美色综合 | 九九热有精品 | 国内成人免费视频 | 91久久国产综合久久91精品网站 | 日产精品久久 | 国产精品久久久99 | 一级片免费视频 | 99热这里有精品 | 精品国产91乱码一区二区三区 | 久在线视频播放免费视频 | 麻豆亚洲 | 午夜精品久久久久99蜜 | 免费一级毛片 | 在线视频亚洲 | 日韩av一区二区在线观看 | 91在线中文字幕 | 野狼在线社区2017入口 | 精品欧美激情在线观看 | 四虎成人在线 | 日韩在线观看精品 | 日产精品久久 | 日韩视频一区二区 | 精品中文字幕一区二区三区 | 成人中文网 | 久久久久久久久久一区二区 | 欧美一区二区三 | 国产成人精品一区二区三区视频 | 精品美女在线观看视频在线观看 | 日本久久久久久 | 精品国模一区二区三区欧美 | 精品国产乱码一区二区三 | 一级毛片一级毛片一级毛片 | 国产精品高潮呻吟 | 国产精品成人一区二区三区夜夜夜 | 91福利在线播放 | av一级在线| 精品亚洲一区二区三区 | 欧美三级视频在线播放 | 精品国产乱码一区二区三区a | 91麻豆精品久久久久蜜臀 | 欧美激情第二页 | 嫩草成人影院 | 亚洲欧洲精品一区二区三区 | 天堂福利影院 | 国产成年人小视频 | 性色av一区二区三区 | 99视频网站 | 欧美最猛性xxxxx亚洲精品 | 久久久美女 | 日本久草 | av网站有哪些 | 欧美福利一区二区三区 | 国产免费拔擦拔擦8x高清在线人 | 久久综合久久久 | 国产成人高清在线 | 性一交一乱一透一a级 | 久久久日本 | 亚洲精品视频在线看 | 日韩在线播放欧美字幕 | 在线播放黄色片网站 | 91精品一区二区三区久久久久久 | 在线观看日韩精品 | 成人欧美一区二区三区在线播放 | 亚洲一区二区三区久久 | 综合激情av | 涩涩视频在线免费看 | a级毛片黄| 欧美性久久| 成人免费视频网站在线观看 | 国产乱xxxxx97国语对白 | 国产剧情一区二区三区 | 国产精品久久在线观看 | 亚洲精品电影网在线观看 | 久久亚洲欧美日韩精品专区 | 麻豆视频在线 | 欧美不卡| 99精品热 | 美女黄网| 伊人爽| 欧美日韩一区在线 | 91精品国产自产精品男人的天堂 | 一区二区三区久久久久久 | 欧美国产在线一区 | 密室大逃脱第六季大神版在线观看 | 日韩一区二区观看 | 国产美女高潮一区二区三区 | 91麻豆精品国产91久久久久久 | 欧美美女黄色网 | 国产成年免费视频 | 精品国产欧美 | 国产二区视频 | 国产成人在线播放 | 2021最新热播中文字幕-第1页-看片视频 青青青久草 | 亚洲综合福利视频 | 国产成人激情 | 成人免费观看男女羞羞视频 | 亚洲视频在线观看免费 | 久久久久久久国产 | 日本啪啪网站 | 九九资源站 | 刘亦菲的毛片 | 成人在线免费观看 | 国产精品99久久免费观看 | 日韩av成人| 欧美久久精品 | 黄色片视频在线观看 | sese综合| 久久99精品久久久久久琪琪 | 久久中文字幕一区 | 成人免费共享视频 | 国产麻豆一区二区三区 | 一级黄色录像在线观看 | 久久午夜影院 | 国产成人精品av | 欧美性一区二区 | 成人福利在线观看 | 色8久久 | av午夜电影 | 国产一级免费 | 精品一区二区6 | 男女av在线 | 色婷婷综合网 | 99精品视频一区二区三区 | 亚洲国产精品99久久久久久久久 | 毛片视频观看 | 久久久精品网站 | 亚洲免费在线观看 | 国产福利精品一区 | av成人在线观看 | 国产高清视频在线 | 久久久资源 | 岛国一区 | 国产精品久久久久久久7电影 | 亚洲情视频 | 精品在线一区二区 | 久久亚洲国产 | 一级特黄 | 亚洲免费视频网 | 中文字幕在线观看一区二区三区 | 成年人黄色一级片 | 国产精品美女久久久久aⅴ国产馆 | 精品国产一区二区三区高潮视 | 国产一区二区精品 | 久久久久久亚洲 | 欧美日韩中文字幕 | 久99视频 | 久久综合色88 | 中文字幕在线视频免费播放 | 久久久999精品视频 99国产精品久久久久久久 | 日韩一区欧美 | 久久人| 免费黄色av| 九九热这里 | 久久精品一区 | 黄色毛片视频网站 | avmans最新导航地址 | av中文字幕在线 | 久久三级视频 | 亚洲天堂久久 | 国产精品久久久久久一区二区三区 | 久久久久久久久久久久久九 | 国内自拍第一页 | 欧美一区二区大片 | www一区二区 | 国产精品美女www爽爽爽软件 | 成人二区 | 中文字幕免费在线观看视频 | av中文在线| 欧美 日韩 中文 | 天天玩天天操天天射 | 国产精品不卡视频 | 久久久精品亚洲 | 亚洲精品v| 欧日韩免费视频 | 精品久久久久久久久久久久久久 | 影音先锋男人网 | av毛片 | 欧美久久久久久久 | 国产精品久久久久久吹潮 | 亚洲人免费视频 | 午夜精品视频在线观看 | 国产一区二区三区久久久久久 | 日本精品二区 | 午夜欧美 | 天天插天天操天天干 | 久久国产精品免费一区二区三区 | 中文无吗 | 亚洲福利影院 | 密室大逃脱第六季大神版在线观看 | 337p亚洲欧洲 | 亚洲成人免费在线观看 | 中文字幕a视频 | 久久久精品一区二区 | 99视频在线免费观看 | 一区二区日韩精品 | 欧美一区二区三区爽大粗免费 | 人人爽日日爽 | 亚洲九九九 | 可以在线观看的av网站 | 国产 在线 | 日韩 | 黄色小视频在线观看 | 特级丰满少妇一级aaaa爱毛片 | 九九在线视频 | 欧美日韩国产一区二区三区不卡 | 成人精品视频在线观看 | 国产精品久久久久久久久久久久久 | 密室大逃脱第六季大神版在线观看 | 国产视频网 | 欧美一区二区三区在线观看视频 | 久久国产精品免费一区二区三区 | 涩涩操 | 午夜精品久久久久久久久久久久久 | 久久久久久久国产精品 | 中文字幕欧美日韩 | 久久99深爱久久99精品 | 91麻豆精品国产91久久久资源速度 | 在线观看第一页 | 欧美亚洲成人一区 | 免费亚洲视频 | 午夜影院网站 | 欧美黄色性视频 | 国产中文字幕一区 | 国产欧美日本 | 亚洲成人av一区二区 | 亚洲精选一区 | 久久视频免费 | 羞羞色影院 | 亚洲精品无 | 日韩av一区二区在线观看 | 91视频久久 | 日韩精品一区二区三区在线 | 亚洲国产视频一区 | 欧美日韩一区二区在线播放 | 欧美性一区二区三区 | 久久精品久久久 | 视频一区 中文字幕 | 国产乱码精品一区二区三区中文 | 欧美国产精品 | 欧美日韩国产在线播放 | 日本亚洲欧美 | 国产主播久久 | 亚洲视频一区在线播放 | 国产欧美综合在线 | 在线播放91 | 日韩av免费在线观看 | 狠狠操电影 | 日韩一区二区福利视频 | 久草福利在线视频 | 国产999精品久久久久久 | 国产真实乱全部视频 | 99久热在线精品视频观看 | 91九色porny首页最多播放 | 成人影院在线 | 色网在线观看 | 国产精品欧美一区二区三区不卡 | 久久国产精品99久久久久久老狼 | 亚洲毛片在线观看 | 精品国产乱码久久久久久1区2区 | 精品一二三区 | 日韩免费视频 | 精品一区二区三区免费视频 | 欧美成人精品激情在线观看 | 视频精品一区二区 | 日本三级欧美三级 | 免费观看黄色 | 成人欧美| 一区二区三区高清不卡 | 青青久久| 国产视频福利在线观看 | 日韩精品免费在线观看 | 国产精品久久久久久久一区探花 | 成人影 | 在线成人国产 | 国产精品视频免费 | 一级在线| 中文字幕一区在线观看视频 | 在线观看亚洲一区二区三区 | 亚洲视频综合 | 国精产品99永久一区一区 | 天天舔天天爽 | 91av视频在线观看 | 蜜桃av在线播放 | 亚洲欧美日韩在线一区二区 | 欧美日韩视频在线观看免费 | 免费的av网站| 日韩免费福利视频 | 成人在线精品视频 | 久久com | 欧美一区二区三区在线看 | 在线播放国产一区二区三区 | 精品欧美一区二区精品久久久 | 天天天天干 | 国产成人高清在线 | 中文字幕视频在线 | 久久久久久国产精品 | 欧美一级片免费在线观看 | 久久久久久久久久久免费视频 | 成人一区二区三区在线 | 久久精品国产99国产精品 | 精品免费国产一区二区三区四区 | aaa级片 | 国产成人精品一区二区在线 | 欧美自拍视频 | 日韩福利视频导航 | 91视频在线 | 久久精品国产v日韩v亚洲 | 中文字幕免费在线观看视频 | 久久精品美女 | 久久一道本 | 成人精品视频在线观看 | 欧美激情综合色综合啪啪五月 | 日韩视频一区二区三区在线观看 | 欧美精品久久久久 | 日韩精品一区二区三区在线播放 | 国产在线网站 | 亚洲网站免费 | 欧美黄色性视频 | 日韩在线成人 | 国产在线中文字幕 | 盗摄精品av一区二区三区 | 成人精品久久 | 一区二区三区四区在线 | 91夜夜蜜桃臀一区二区三区 | 欧洲精品久久久 | 999精品视频| 精品免费国产 | 国产高清精品一区二区三区 | 日韩欧美国产一区二区 | 在线成人www免费观看视频 | 四虎影视免费在线观看 | 精品久 | 亚洲成人久久久 | 欧美大片在线看免费观看 | 国产亚洲一区二区在线 | 国内精品视频 | 国产精品激情在线观看 | 国产999久久 | 91精品国产91久久久久久 | 在线精品亚洲欧美日韩国产 | 午夜在线观看 | 国产免费无遮挡 | 天天玩天天操天天射 | 精品一区二区三区久久久 | 亚洲视频一区在线 | av一区二区在线观看 | 一道本视频 | 日韩精品一区二区三区中文字幕 | 国产毛片在线看 | 国产成人aⅴ | 日日爱夜夜爱 | 一道本一区 | 亚洲成人毛片 | 成人激情视频 | 99中文字幕| 国产精品a久久 | 一级全黄性色生活片 | 91视频播放| 国产精品久久久久久久毛片 | 欧美日韩在线精品 | 91精品国产综合久久久蜜臀图片 | 男人久久天堂 | 精品久久一区二区 | 四虎影院网 | 亚洲午夜精品视频 | 成人午夜性a一级毛片免费看 | 天天操天天草 | 大香伊蕉在人线视频777 | 精品中文在线 | 欧美精品一区二区蜜臀亚洲 | 久久久久久久一区二区 | 日韩精品在线视频观看 | 一区二区av| 最新天堂中文在线 | 中文字幕av网 | 久久久精品| 国产精品theporn | 久久99国产一区二区三区 | 欧美一区二区三区视频 | 亚洲国产aⅴ成人精品无吗 一区视频在线 | 可以看黄的视频 | 午夜少妇av | av一区二区在线观看 | 美日韩一区二区三区 | 国产精品高清在线观看 | 亚洲成人国产精品 | 99久久免费看视频 | 91精品国产乱码久久久久久久久 | 中文字幕日韩在线 | 欧美成人黄色小说 | 久在线| 91在线看片| 欧美jizzhd精品欧美巨大免费 | 精品欧美激情在线观看 | 国产精品毛片一区二区三区 | 亚洲精品乱码 | 午夜精品久久久久久久久久久久久 | 亚洲成人av在线 | 国产一区二区三区在线看 | 国产视频观看 | 国产精品69久久久久水密桃 | 午夜tv | 国产精品一区av | av网站免费 | 国产aaa毛片| 欧美成人精品一区二区男人看 | 81精品国产乱码久久久久久 | 久久久久久成人 | 欧一区二区 | 91精品国产综合久久久久久丝袜 | 欧美日韩一区二区三区在线观看 | 亚洲国产一区视频 | 国产午夜精品一区二区 | 国产精品免费在线 | 国产天天操 | 国产精品2区 | 呦一呦二在线精品视频 | 天天天干天天天操 | 黄网站色大毛片 | 二区在线视频 | 久久伊人久久 | 不卡一区二区三区四区 | 成人午夜免费网站 | 国产成人看片 | 久久精品国产99国产 | 欧美一区二区三区在线视频 | 日韩三级在线免费观看 | 国产专区一区 | 亚洲夜幕久久日韩精品一区 | 国产一区二区三区在线免费观看 | 欧美日韩在线一区二区 | 亚洲精品aaa| 久草天堂|