假新闻被定义为传达或包含虚假、捏造或故意误导性信息的新闻,早在印刷机出现时就已经存在。 网络假新闻、虚假信息的快速传播,不仅欺骗公众,还会对社会、政治、经济、文化产生深远影响。 示例包括:
- 培养对媒体的不信任
- 破坏民主进程
- 传播虚假或不可信的科学(例如反疫苗运动)
人工智能 (AI) 和机器学习 (ML) 的进步使得开发用于创建和分享假新闻的工具变得更加容易。 早期的例子包括先进的社交机器人和自动账户,它们在传播假新闻的初始阶段起到了推波助澜的作用。 一般来说,公众要确定这些账户是人还是机器人并不是一件容易的事。 此外,社交机器人并不是非法工具,许多公司合法购买它们作为营销策略的一部分。 因此,系统地遏制社交机器人的使用并不容易。
生成式人工智能领域的最新发现使得在大型语言模型 (LLM) 的帮助下以前所未有的速度生成文本内容成为可能。 LLM 是具有超过 1 亿个参数的生成式 AI 文本模型,有助于合成高质量文本。
在这篇文章中,我们将探讨如何使用法学硕士来解决检测假新闻的普遍问题。 我们建议法学硕士对于这项任务已经足够先进,特别是如果改进了提示技术,例如 思想链 和 应对 与信息检索工具结合使用。
我们通过创建一个来说明这一点 浪链 应用程序,给定一条新闻,使用自然语言告知用户该文章是真是假。 该解决方案还使用 亚马逊基岩,一项完全托管的服务,使来自 Amazon 和第三方模型提供商的基础模型 (FM) 可以通过 AWS管理控制台 和 API。
法学硕士和假新闻
随着互联网,更具体地说是社交媒体的出现,假新闻现象开始迅速发展(Nielsen等,2017)。 在社交媒体上,假新闻可以在用户网络中快速分享,导致公众形成错误的集体意见。 此外,人们经常冲动地传播假新闻,如果新闻与他们的个人规范产生共鸣,就会忽略内容的真实性(齐普尔斯基等人。 2018年)。 社会科学研究表明,认知偏差(确认偏差、跟风效应和选择支持偏差)是在假新闻的制造和消费方面做出非理性决策的最关键因素之一。Kim等人,2021)。 这也意味着新闻消费者分享和消费信息只是为了强化他们的信念。
生成式人工智能以前所未有的速度生成文本和丰富内容的能力加剧了假新闻问题。 值得一提的一个例子是 Deepfake 技术——将原始视频上的各种图像组合起来并生成不同的视频。 除了人类行为者带来的虚假信息意图之外,法学硕士还增加了一系列全新的挑战:
- 事实错误 – 由于法学硕士的培训性质以及在生成句子中的下一个单词时发挥创造力的能力,法学硕士包含事实错误的风险更大。 LLM 训练的基础是重复呈现不完整输入的模型,然后使用 ML 训练技术直到正确填补空白,从而学习语言结构和基于语言的世界模型。 因此,尽管法学硕士是出色的模式匹配者和重组者(“随机鹦鹉”),但他们无法完成许多需要逻辑推理或数学推导的简单任务,并且可能会产生幻觉答案。 此外,温度是 LLM 输入参数之一,在生成句子中的下一个单词时控制模型的行为。 通过选择较高的温度,模型将使用概率较低的词,从而提供更加随机的响应。
- 冗长 – 生成的文本往往很长,并且缺乏对各个事实的明确定义的粒度。
- 缺乏事实核查 – 在文本生成过程中没有可用于事实检查的标准化工具。
总体而言,人类心理和人工智能系统的局限性相结合,为网上假新闻和错误信息的扩散创造了一场完美风暴。
解决方案概述
法学硕士在语言生成、理解和小样本学习方面展示了出色的能力。 他们接受来自互联网的大量文本语料库的训练,其中提取的自然语言的质量和准确性可能无法得到保证。
在这篇文章中,我们提供了一种基于思想链和 Re-Act(推理和行动)提示方法来检测假新闻的解决方案。 首先,我们讨论这两种快速工程技术,然后展示它们使用 LangChain 和 Amazon Bedrock 的实现。
以下架构图概述了我们的假新闻检测器的解决方案。
我们使用的一个子集 FEVER数据集 包含声明以及该声明的基本事实,表明虚假、真实或无法验证的主张(索恩·J.等人,2018).
工作流程可以分为以下步骤:
- 用户选择其中一项陈述来检查是真是假。
- 该声明和假新闻检测任务被纳入提示中。
- 提示会传递到 LangChain,后者会调用 Amazon Bedrock 中的 FM。
- Amazon Bedrock 返回对用户请求的响应,并包含 True 或 False 语句。
在这篇文章中,我们使用 Anthrophic 的 Claude v2 模型 (anthropic.claude-v2)。 克劳德 是一个生成式法学硕士,基于 Anthropic 对创建可靠、可解释和可操纵的人工智能系统的研究。 克劳德使用宪法人工智能和无害训练等技术创建,擅长深思熟虑的对话、内容创作、复杂推理、创造力和编码。 然而,通过使用 Amazon Bedrock 和我们的解决方案架构,我们还可以灵活地选择由 Amazon, AI21实验室, 凝聚力及 稳定性.ai.
您可以在以下部分中找到实施细节。 源代码可在 GitHub 存储库.
先决条件
对于本教程,您需要一个在 Linux、Mac 或适用于 Linux 的 Windows 子系统上安装了 Python 3.9 或更高版本的 bash 终端以及一个 AWS 账户。
我们还建议使用 亚马逊SageMaker Studio 笔记本,一个 AWS 云9 实例,或 亚马逊弹性计算云 (Amazon EC2) 实例。
使用 Amazon Bedrock API 部署虚假新闻检测
该解决方案使用 Amazon Bedrock API,可以使用 AWS命令行界面 (AWS CLI), 适用于Python的AWS开发工具包(Boto3)或 亚马逊SageMaker 笔记本。 请参阅 亚马逊基岩用户指南 了解更多信息。 在本文中,我们通过适用于 Python 的 AWS 开发工具包使用 Amazon Bedrock API。
设置 Amazon Bedrock API 环境
要设置您的 Amazon Bedrock API 环境,请完成以下步骤:
- 下载最新的Boto3或升级它:
- 确保使用以下命令配置 AWS 凭证
aws configure
命令或将它们传递给 Boto3 客户端。 - 安装最新版本的 浪链:
您现在可以使用以下 Python shell 脚本测试您的设置。 该脚本使用 Boto3 实例化 Amazon Bedrock 客户端。 接下来,我们调用 list_foundation_models
用于获取可供使用的基础模型列表的 API。
成功运行上述命令后,您应该从 Amazon Bedrock 获取 FM 列表。
LangChain作为快速上链解决方案
为了检测给定句子的假新闻,我们遵循零样本思维链推理过程(魏杰等人,2022),由以下步骤组成:
- 最初,该模型尝试创建有关所提示新闻的声明。
- 该模型创建断言的要点列表。
- 对于每个断言,模型确定该断言是真还是假。 请注意,使用这种方法,模型完全依赖其内部知识(在预训练阶段计算的权重)来得出结论。 目前尚未根据任何外部数据验证该信息。
- 根据事实,模型对于提示中的给定陈述回答 TRUE 或 FALSE。
为了实现这些步骤,我们使用 LangChain,一个用于开发由语言模型支持的应用程序的框架。 该框架允许我们通过将各种组件链接在一起来创建高级用例来增强 FM。 在此解决方案中,我们使用内置的 简单顺序链 在LangChain中创建一个简单的顺序链。 这非常有用,因为我们可以从一条链中获取输出并将其用作另一条链的输入。
Amazon Bedrock 与 LangChain 集成,因此您只需通过传递 model_id
实例化 Amazon Bedrock 对象时。 如果需要,可以通过以下方式提供模型推理参数 model_kwargs
论证,例如:
- 最大令牌数 – 生成的响应中的最大令牌数
- 停止序列 – 模型使用的停止顺序
- 温度 – 范围在 0-1 之间的值,其中 0 最具确定性,1 最具创造性
- 最佳 – 范围在0-1之间的值,用于根据潜在选择的概率来控制代币的选择
如果这是您第一次使用 Amazon Bedrock 基础模型,请确保您通过从模型列表中进行选择来请求访问该模型。 模型访问 Amazon Bedrock 控制台上的页面,在我们的例子中是来自 Anthropic 的 claude-v2。
下面的函数定义了我们前面提到的用于检测假新闻的Chain-of-Thought提示链。 该函数将 Amazon Bedrock 对象 (llm) 和用户提示 (q) 作为参数。 浪链的 提示模板 此处使用功能来预定义用于生成提示的配方。
以下代码调用我们之前定义的函数并提供答案。 声明是 TRUE
or FALSE
. TRUE
意味着所提供的陈述包含正确的事实,并且 FALSE
意味着该陈述至少包含一个不正确的事实。
以下输出中提供了语句和模型响应的示例:
反应和工具
在前面的示例中,模型正确地识别出该陈述是错误的。 然而,再次提交查询表明模型无法区分事实的正确性。 该模型没有工具来验证超出其自身训练记忆的陈述的真实性,因此后续运行相同的提示可能会导致它将虚假陈述错误地标记为真实。 在以下代码中,您对同一示例进行了不同的运行:
ReAct 是保证真实性的一种技术。 反应(姚S.等,2023)是一种提示技术,通过代理的动作空间来增强基础模型。 在这篇文章以及 ReAct 论文中,操作空间使用来自简单的 Wikipedia Web API 的搜索、查找和完成操作来实现信息检索。
与 Chain-of-Thought 相比,使用 ReAct 的原因是使用外部知识检索来增强基础模型,以检测给定的新闻是假还是真的。
在这篇文章中,我们通过代理使用LangChain对ReAct的实现 ZERO_SHOT_REACT_DESCRIPTION。 我们修改之前的函数来实现 ReAct 并通过使用 Wikipedia 中的 load_tools 函数 langchain.agents。
我们还需要安装维基百科包:
!pip install Wikipedia
以下是新代码:
以下是前面使用的相同语句的函数的输出:
清理
为了节省成本,请删除您在教程中部署的所有资源。 如果您启动了 AWS Cloud9 或 EC2 实例,您可以通过控制台或使用 AWS CLI 将其删除。 同样,您可以删除通过 SageMaker 控制台创建的 SageMaker 笔记本。
限制和相关工作
科学界正在积极研究假新闻检测领域。 在这篇文章中,我们使用了思想链和反应技术,在评估这些技术时,我们只关注提示技术分类的准确性(如果给定的陈述是对还是错)。 因此,我们没有考虑响应速度等其他重要方面,也没有将解决方案扩展到维基百科之外的其他知识库来源。
尽管这篇文章重点介绍了思想链和反应这两种技术,但大量的工作已经探索了法学硕士如何检测、消除或减少假新闻。 李等人。 提出了使用编码器-解码器模型使用NER(命名实体识别)来屏蔽命名实体,以确保屏蔽的标记实际上使用了语言模型中编码的知识。 陈省身等人。 开发了FacTool,它使用思维链原理从提示中提取主张,从而收集主张的相关证据。 然后,法学硕士根据检索到的证据清单判断索赔的真实性。 杜E.等人。 提出了一种补充方法,多个法学硕士在多轮中提出并辩论他们的个人回答和推理过程,以便得出共同的最终答案。
根据文献,我们看到,当法学硕士通过外部知识和多代理对话能力增强时,法学硕士检测假新闻的有效性会增加。 然而,这些方法在计算上更加复杂,因为它们需要多个模型调用和交互、更长的提示和冗长的网络层调用。 最终,这种复杂性会导致总体成本增加。 我们建议在生产中部署类似的解决方案之前评估性价比。
结论
在这篇文章中,我们深入探讨了如何利用法学硕士来解决普遍存在的假新闻问题,这是当今社会面临的主要挑战之一。 我们首先概述了假新闻带来的挑战,重点是其影响公众情绪和造成社会混乱的潜力。
然后,我们引入了法学硕士的概念,即基于大量数据进行训练的高级人工智能模型。 由于这种广泛的训练,这些模型对语言有着令人印象深刻的理解,使它们能够产生类似人类的文本。 凭借这种能力,我们展示了如何利用法学硕士通过使用两种不同的提示技术(Chain-of-Thought 和 ReAct)来打击假新闻。
我们强调了法学硕士如何能够以无与伦比的规模促进事实核查服务,因为他们有能力快速处理和分析大量文本。 这种实时分析的潜力可以帮助及早发现和遏制假新闻。 我们通过创建一个 Python 脚本来说明这一点,给定一个语句,使用自然语言向用户突出显示该文章是真是假。
我们最后强调了当前方法的局限性,并以充满希望的方式结束,强调通过正确的保障措施和不断的增强,法学硕士可以成为打击假新闻不可或缺的工具。
我们很乐意听取您的意见。 请在评论部分告诉我们您的想法,或使用问题论坛 GitHub 存储库。
免责声明:本文中提供的代码仅用于教育和实验目的。 不应依赖它来检测现实生产系统中的虚假新闻或错误信息。 不保证使用此代码检测假新闻的准确性或完整性。 在敏感应用程序中使用这些技术之前,用户应谨慎行事并进行尽职调查。
要开始使用 Amazon Bedrock,请访问 亚马逊基岩控制台.
关于作者
安娜玛丽亚·托多尔 是丹麦哥本哈根的首席解决方案架构师。 她在 4 岁时看到了第一台电脑,从此以后就再也没有放弃过计算机科学、视频游戏和工程。 她曾在丹麦的多家公司担任过各种技术职务,从自由职业者、全栈开发人员到数据工程师、技术主管和首席技术官,专注于游戏和广告行业。 她已在 AWS 工作 3 年多,担任首席解决方案架构师,主要关注生命科学和 AI/ML。 Anamaria 拥有应用工程和计算机科学学士学位、计算机科学硕士学位,以及 10 多年的 AWS 经验。 当她不工作或玩电子游戏时,她会指导女孩和女性专业人士理解技术并找到自己的道路。
马塞尔·卡斯特罗 是驻挪威奥斯陆的高级解决方案架构师。 Marcel 负责帮助客户构建、设计和开发云优化基础设施。 他是 AWS 生成式 AI 大使团队的成员,其目标是推动和支持 EMEA 客户的生成式 AI 之旅。 他拥有瑞典计算机科学博士学位以及巴西电气工程和电信硕士学位和学士学位。
- :具有
- :是
- :不是
- :在哪里
- 100 百万美元
- $UP
- 1
- 10
- 100
- 12
- 13
- 14
- 20
- 2022
- 21
- 26%
- 27
- 32
- 36
- 7
- 9
- a
- 对,能力--
- 关于
- 以上
- AC
- 学者
- 学术研究
- 学院
- ACCESS
- 访问
- 无障碍
- 账号管理
- 账户
- 成就
- 横过
- 演戏
- 操作
- 行动
- 积极地
- 演员
- 通
- 加
- 增加
- 额外
- 高级
- 来临
- 广告
- 再次
- 驳
- 经纪人
- 中介代理
- AI
- AI模型
- 人工智能系统
- AI / ML
- AL
- 所有类型
- 允许
- 单
- 还
- 尽管
- Amazon
- Amazon EC2
- 亚马逊网络服务
- 大使
- 美国人
- 其中
- 量
- an
- 分析
- 分析
- 古
- 和
- 每年
- 另一个
- 回答
- 答案
- 人类的
- 任何
- API
- APIs
- 出现
- 应用领域
- 应用领域
- 应用的
- 任命
- 的途径
- 方法
- 约
- 架构
- 保健
- 论点
- 参数
- 围绕
- 刊文
- 人造的
- 人工智能
- 人工智能(AI)
- 艺术
- AS
- 方面
- 评估
- 评估
- 假设
- 保证
- 天文学
- At
- 尝试
- 增加
- 增强
- 增强
- 自动化
- 可使用
- 世界原声音乐
- AWS
- AWS 云9
- 基地
- 基于
- 打坏
- 战斗
- BE
- 因为
- 成为
- 成为
- 很
- before
- 行为
- 背后
- 作为
- 信仰
- 除了
- 之间
- 超越
- 偏见
- 亿
- 生物学
- 生物医学
- 身体
- 都
- 机器人
- 巴西
- 带来
- 破
- 内建的
- 商人
- 但是
- by
- 呼叫
- 呼叫
- CAN
- 能力
- 能力
- 容量
- 案件
- 例
- 原因
- 警告
- 世纪
- 链
- 链
- 挑战
- 昌
- 查
- 化学
- 中文
- 选择
- 要求
- 索赔
- 程
- 分类
- 明确地
- 客户
- 关闭
- Cloud9
- 教练
- 码
- 编码
- 认知
- 收集
- 集体
- 学院
- COLUMBIA
- 组合
- 注释
- 相当常见
- 常用
- 社体的一部分
- 公司
- 对照
- 补充
- 完成
- 复杂
- 复杂
- 组件
- 由
- 计算
- 一台
- 计算机科学
- 概念
- 总结
- 确认
- 确认
- 结合
- 所以
- 考虑
- 一贯
- 由
- 安慰
- 消耗
- 消费者
- 消费
- 遏制
- 包含
- 内容
- 内容创造
- 连续
- 贡献
- 控制
- 控制
- 谈话
- 正确
- 正确地
- 价格
- 成本
- 可以
- 国家
- 国家
- 创建信息图
- 创建
- 创建
- 创造
- 创建
- 创意奖学金
- 创造力
- 资历
- 首席技术官
- 文化塑造
- 抑制
- 电流
- 合作伙伴
- data
- 辩论
- 决定
- 定义
- 定义
- 学位
- 民主的
- 证明
- 演示
- 示范
- 丹麦
- 问题类型
- 部署
- 部署
- 设计
- 详情
- 检测
- 检测
- 确定
- 确定
- 发达
- 开发商
- 发展
- 研发支持
- 发展
- 对话
- 不同
- 勤勉
- 方向
- 讨论
- 造谣
- 屏 显:
- 中断
- 区分
- 怀疑
- 医生
- 不
- 不会
- 向下
- dr
- 驾驶
- 两
- ,我们将参加
- e
- Ë&T
- 每
- 此前
- 早
- 赚
- 赚
- 地球
- 更容易
- 易
- 经济学
- 经济
- 教育的
- 教育工作者
- 效果
- 效用
- 或
- 消除
- 别处
- 欧洲与中东地区
- 出现
- 重点
- 使
- 截至
- 工程师
- 工程师
- 增强
- 确保
- 进入
- 实体
- 实体
- 环境
- 平等
- 故障
- 特别
- 成熟
- 评估
- 甚至
- 事件
- 演变
- 例子
- 例子
- 只
- 锻炼
- 体验
- 说明
- 探索
- 探讨
- 广泛
- 外部
- 提取
- 促进
- 促进
- 事实
- 因素
- 正确
- 失败
- 假
- 假新闻
- false
- 著名
- 女
- 部分
- 战斗
- 填充
- 最后
- 金融
- 找到最适合您的地方
- 寻找
- 完
- (名字)
- 第一次
- 高度灵活
- 重点
- 重点
- 聚焦
- 遵循
- 以下
- 针对
- 申请
- 正式
- 论坛
- 基金会
- 基础
- 公司成立
- 骨架
- 止
- fu
- 充分
- 功能
- 功能
- Games
- 赌博
- 差距
- 性别
- 性别平等
- 其他咨询
- 生成
- 产生
- 发电
- 代
- 生成的
- 生成式人工智能
- 得到
- 女孩
- GitHub上
- 特定
- Go
- 目标
- 大
- 陆运
- 担保
- 民政事务总署
- 马具
- 有
- he
- 听
- 帮助
- 帮助
- 这里
- 相关信息
- 高品质
- 更高
- 亮点
- 高度
- 他的
- 历史
- 持有
- 兑现
- 有希望
- 住房
- 创新中心
- How To
- 但是
- HTML
- HTTP
- HTTPS
- 人
- i
- IBM
- 确定
- if
- 不法
- 说明
- 图片
- 影响力故事
- 实施
- 履行
- 器物
- 进口
- 重要
- 有声有色
- 改善
- in
- 无力
- 包括
- 包括
- 包含
- 成立
- 合并
- 增加
- 增加
- 表示
- 个人
- 行业
- 信息
- 运筹学
- 基础设施
- 初始
- 输入
- 内
- 安装
- 安装
- 例
- 研究所
- 机构
- 集成
- 房源搜索
- 意图
- 互动
- 内部
- 网络
- 成
- 介绍
- 所调用
- 参与
- 问题
- 问题
- IT
- 它的
- 旅程
- JPG
- JSON
- 法官
- 肯尼斯
- 知道
- 知识
- 已知
- 缺乏
- 语言
- 大
- 晚了
- 最新
- 拉丁语
- 推出
- 层
- 铅
- 领导
- 学习
- 最少
- 法律上
- 让
- 生活
- 生命科学
- 喜欢
- 限制
- Line
- 链接
- Linux的
- 清单
- 已发布
- 文学
- LLM
- 合乎逻辑的
- 不再
- 查找
- 爱
- MAC
- 机
- 机器学习
- 制成
- 主要
- 维护
- 主要
- 使
- 制作
- 制作
- 管理
- 颠覆性技术
- 许多
- 营销
- 面膜
- 硕士
- 数学的
- 数学
- 最多
- 可能..
- 手段
- 意思
- 媒体
- 医生
- 药物
- 会员
- 成员
- 内存
- 提到
- 研究方法
- 密歇根州
- 百万
- 地雷
- 误传
- 误导
- 麻省理工学院简介
- 减轻
- 混合
- ML
- 模型
- 模型
- 修改
- 更多
- 最先进的
- 运动
- 多
- my
- 命名
- 美国宇航局
- National
- 自然
- 自然
- 需求
- 打印车票
- 网络
- 决不要
- 全新
- 消息
- 下页
- 没有
- 诺贝尔获奖者
- 规范
- 挪威
- 显着
- 笔记本
- 现在
- 数
- 对象
- 观察
- 十月
- of
- 最多线路
- 经常
- 老
- on
- 一
- 在线
- 仅由
- 运营
- 检讨
- or
- 秩序
- 原版的
- 其他名称
- 除此以外
- 我们的
- 大纲
- 概述
- 产量
- 优秀
- 超过
- 最划算
- 己
- 拥有
- 步伐
- 包
- 页
- 网页
- 纸类
- 参数
- 部分
- 通过
- 通过
- 通过
- 专利
- 径
- 模式
- 员工
- 演出
- 个人
- 相
- 博士学位
- 现象
- philosophy
- 物理
- 片
- 关键的
- 柏拉图
- 柏拉图数据智能
- 柏拉图数据
- 播放
- 点
- 政治
- 可能
- 帖子
- 潜力
- 功率
- 供电
- 呈现
- 礼物
- express
- 流行
- 以前
- 先前
- 主要
- 校长
- 原则
- 印刷
- 印刷机
- 先
- 奖品
- 市场问题
- 过程
- 过程
- 生产
- 生产
- 专业人士
- 深刻的
- 曲目
- 提供
- 建议
- 提供
- 提供
- 供应商
- 提供
- 优
- 心理学
- 国家
- 采购
- 目的
- 蟒蛇
- 质量
- 数量
- 很快
- 广播电台
- 随机
- 范围
- 排名
- 快
- 急速
- 比
- 达到
- 应对
- 真实的世界
- 实时的
- 原因
- 接收
- 收到
- 食谱
- 承认
- 建议
- 参考
- 指
- 有关
- 相对
- 相应
- 可靠
- 反复
- 知识库
- 请求
- 要求
- 必须
- 研究
- 共振
- 资源
- 回应
- 响应
- 回复
- 提供品牌战略规划
- 回报
- 回报
- 丰富
- 风险
- 角色
- 角色
- 轮
- 运行
- 运行
- 运行
- s
- 保障
- sagemaker
- 同
- 保存
- 锯
- 鳞片
- 学校
- 工程学院
- 科学
- 科学
- .
- 科学家
- 脚本
- SDK
- 搜索
- 部分
- 部分
- 看到
- 选择
- 前辈
- 敏感
- 句子
- 情绪
- 序列
- 服务
- 特色服务
- 集
- 格局
- Share
- 共用的,
- 分享
- 共享
- 她
- 壳
- 应该
- 显示
- 类似
- 同样
- 简易
- 自
- 妹妹
- So
- 社会
- 社会化媒体
- 社会的
- 社会
- 方案,
- 解决方案
- 一些
- 来源
- 源代码
- 来源
- 太空
- 张力
- 特别是
- 速度
- 传播
- 传播
- 阶段
- 标准
- 斯坦福
- 斯坦福大学
- 开始
- 个人陈述
- 声明
- 州
- 步骤
- Stop 停止
- 风暴
- 策略
- 强化
- 结构体
- 学生
- 学习
- 随后
- 大量
- 顺利
- 这样
- 建议
- 概要
- 过份给与
- SUPPORT
- 肯定
- 摇摆
- 瑞典
- 如飞
- 合成
- 产品
- 滑车
- 采取
- 需要
- 任务
- 任务
- 团队
- 文案
- 技术
- 技术
- 技术性
- 专业技术
- 电信
- 模板
- 终端
- 条款
- test
- 文本
- 文字的
- 这
- 信息
- 世界
- 其
- 他们
- 然后
- 那里。
- 从而
- 因此
- 博曼
- 他们
- 认为
- 第三方
- Free Introduction
- 那些
- 思想
- 通过
- 始终
- 领带
- 次
- 时间表
- 至
- 一起
- 象征
- 令牌
- 工具
- 熟练
- 产品培训
- true
- 真相
- 教程
- 二
- 最终
- 下划线
- 理解
- 联合的
- 美国
- 大学合作伙伴
- 大学
- 空前的
- 史无前例
- 直到
- 升级
- 上
- us
- 使用
- 用过的
- 用户
- 用户
- 使用
- 运用
- 利用
- 折扣值
- 各个
- 广阔
- 总结
- 专利
- 确认
- 版本
- 非常
- 通过
- 视频
- 视频游戏
- 参观
- 是
- we
- 卷筒纸
- Web服务
- 井
- 什么是
- ,尤其是
- 是否
- 这
- 而
- WHO
- 全
- 为什么
- 维基百科上的数据
- 将
- 窗户
- 中
- 女子
- 女性
- 韩元
- Word
- 话
- 工作
- 工作
- 工作流程
- 加工
- 世界
- 价值
- 错误
- 年
- 完全
- 您一站式解决方案
- 和风网