快來看看你的名字有沒有在中獎名單上!!!!!
以下為參加 #中秋老客戶抽獎活動 的中獎名單,
中獎名單已於2021/09/18直播中抽出,已排除不符合規定之留言,中獎名單以本貼文公布為主。
以下獎品不分款式顏色隨機出貨。
請以下得獎者【私訊】小施汽車商行粉絲專頁並提供下列資訊以利我方確認資格與寄送獎品。
私訊資訊內容如下:
車主姓名/電話/收件郵遞區號及完整地址/獲獎獎品/您購買愛車的車牌號碼/服務您的業務人員
EX:
泰O山 / 0912345678 / 221新北市汐止區大同路一段1-7號 / SWITCH / AAA-8888 / 科P
我們將統一用郵寄的方式寄出。
————————————————-
獲獎名單:
1.Switch(共2名): Howard LO / 宋誼瑄
2.Switch lite(共1名): Kyle Wang
3.火星犀牛電競椅(共1名): 謝旻桓
4.中秋防疫神器-自動旋轉烤肉器(共1名): 陳憲廷
5.BOSE藍芽音響(共2名): Lin Po You / 郭凡瑋
6.JBL藍芽耳機(共2名): 朱志欣 / Ken Tsou
7.TIVOO光音舞動智慧藍芽喇叭(共2名): 楊文嘉 / 吳明書
8.pixoo發光像素背包(共1名): 陳柏州
9.飛宇KICA K2電動筋膜槍(共1名): 蔡時安
10.富士馬上看相機(拍立得+空白底片十張)(共1名): 王宥翰
11.ONPRO UV-V1 USB車用吸塵器(共3名): TL Liu / 鄭偉鴻 / Jhong Bei
12.超音波水氧機(香氛機)(共1名): Min Loong Chien
13.小米打氣機(共3名): 張順庭 / 黃易杰 / Hsin-Yi Fang
14.Avier 手持小電扇(共2名): 林威宇 / 謝恩
15.寶可齡 車用空氣清淨組(共1名): 陳柏羽
16.七龍珠SP賞(裸身悟空)(共1名): Ivy Chang
17.七龍珠A賞(悟空)(共1名): 小富小富
18.七龍珠B賞(特南克斯)(共1名): 曾慶輝
19.七龍珠G賞(七龍珠收納包)(共4名): 陳泓宇 / 蔡山本 / Andy Chen / 蘇美安
20.七龍珠H賞(七龍珠資料夾)(共9名): DevilMoew Hsu / 林子翔 / 小小空 / 林森 / 羅政揚 / 馬墨斯 / Healix Li / Calvin Chen / 邱弈勳
21.七龍珠F賞(七龍珠水壺)(共17名): 林詠任 / Lily Ho / Yu Hsun / 游勝豪 / 李侑隆 / 吳明憲 / Yui Ch / Chao Kai Weng / Yi Ciao Huang / 邱博楷 / 謝博凱 / Stanley Yang / 有位陌生人 / 黃居士 / 林孝榮 / ChienYu Wang / Nicole Su
22.恐龍化石模型(共1名): 林湸彤
23.仙人掌娃娃(共1名): Stan Huang
24.鯉魚王模型(共1名): Enli Lin
25.RASTER遙控車(共4名): 張薐薐 / 蔡秉欣 / 賴思翰 / 吳婉瑜
26.Avier Type-C 36瓦雙孔充電頭(共2名): 彭聖評 / Abby Chang
27.頭文字D帽子(共1名): Rui Ying
28.頭文字D腳踏墊(共2名): Gic Ma / Wallace Cheng
29.頭文字D立牌(共1名): Po Hsiang Hu
30.頭文字D雨傘(共1名): Elvis Kuo
31.Tokuyo 車用涼風墊(共1名): Rayleigh Chang
32.全聯禮卷$3000元(共2名): Yu-cheng Chang / Cecilic Yang
33.全聯禮卷$1000元(共4名): 黃彥騰 / 溫添棋/ 邱鉉淵 / Ben Chang
————————————————-
恭喜以上得獎者,沒得獎的也別灰心,未來有機會我們也會不定時舉辦抽獎活動!
————————————————-
備註:
1.獎項贈品係以實物為準,我方保留修改活動或更換等值品之權利,且中獎者不得要求指定獎項更改或折換成現金。
2.本活動獎項將以郵局寄出,寄送地區僅台、澎、金、馬地區,海外地區恕無法配送。
3.參加本活動之同時,即表示同意接受我方之活動辦法與注意事項之規範,如有任何爭議,我方保有修改活動辦法及獎品之權利。
4.本活動有不可抗力特殊原因無法執行時,我方保有隨時修改及終止本活動與品之權利。
5.若中獎人經審核後不符合活動條件,我方有權自行進行重抽,並將中獎名單更新於貼文中。
「完整凱因斯模型」的推薦目錄:
- 關於完整凱因斯模型 在 小施汽車商行 Facebook 的精選貼文
- 關於完整凱因斯模型 在 新北創力坊 InnoSquare Facebook 的最讚貼文
- 關於完整凱因斯模型 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
- 關於完整凱因斯模型 在 閱讀文章- 看板Economics - 批踢踢實業坊 的評價
- 關於完整凱因斯模型 在 Re: [考試] 完整凱因斯模型- economics | PTT職涯區 的評價
- 關於完整凱因斯模型 在 Re: [考試] 完整凱因斯模型 - PTT Web 的評價
- 關於完整凱因斯模型 在 顏回老師貨銀經濟財政專業教室 - Facebook 的評價
- 關於完整凱因斯模型 在 Re: [作業] 總經的簡單凱因斯模型... - 看板Economics | PTT職涯區 的評價
- 關於完整凱因斯模型 在 [考試]完整凱因斯模型- 看板Economics - PTT網頁版 的評價
- 關於完整凱因斯模型 在 海耶克大戰凱因斯:第二回合(Fight of the Century中文翻譯) 的評價
- 關於完整凱因斯模型 在 [課業] 經濟學/完整凱因斯模型 - PTT國考版RSS閱讀器 的評價
- 關於完整凱因斯模型 在 邁向全新篇章《玩命關頭9》全新預告飆出新高度! - Mobile01 的評價
完整凱因斯模型 在 新北創力坊 InnoSquare Facebook 的最讚貼文
【 Demo Day The Innovators 5 新創搶先報2⃣】
本次Demo Day除了有 新北市-亞馬遜AWS聯合創新中心 Batch#5的新同學外,還有Batch#4的成員以及來自 新北創力坊 InnoSquare的優秀團隊一起共襄盛舉,今天繼續為大家點名介紹👏
📍 分子智藥
VIRTUALMAN能預測臨床前藥物開發的實驗結果,並提供明確的藥物最佳化指引,不同於傳統AI工具的「黑盒子」,VIRTUALMAN革命性的可解釋人工智慧技術,讓客戶理解AI模型分析結果,以快速取得進展並降低60%錯誤率。透過精準易懂的預測結果,配合分子結構的修飾建議,替客戶減少不必要的實驗,節省時間成本。
📍奎景運算
提供FAST-AI-深度學習的加速工具,透過最佳化環境設定與自動化運用多台GPU伺服器,加速AI模型訓練工具並1鍵部署到大量的AI終端。FAST-AI為AI研發工具提供快速、簡單且支援不同的雲端硬體。透過簡單的工作坊,公司內的領域專家便可使用,節省開發時間比對手先一步取得先機。
📍智慧貼紙
為各行業提供工業4.0/機器無痛升級方案,以最低的學習成本和較高的投資回報率升級機器。Smart Tag為整體解決方案,由軟性電路板黏貼至機器表面,進行多點位資料蒐集,如震動、溫度及濕度等紀錄,再串接至客戶端系統或者上傳雲端數據中心,藉由機器學習及數據模型進行分析,並預測機器的運作模式,解決工廠產能及良率的問題。
📍極現科技 Earthbook
earthbook無人機任務及數據服務平台提供多種無人機影像、空拍直播與光達掃描等,為線上下單、即買即用的創新空拍商業服務,需求者毋須再煩惱無人機之購置、維護成本,並可將成果透過瀏覽器在平台中直接套疊其他資訊做加值利用與AI分析。從空拍到應用,earthbook以自有技術建立4D雲端DaaS平台,提供客戶完整服務。
📍玩咖旅行社 Tripresso 旅遊咖
專長資料串接與數據整合,提供B2C與B2B服務,建構多樣化的旅遊場景解決方案,從全球供應鏈串連、即時線上訂購、後端管理系統與企業所需的簽核、報支等管理功能等,提供消費者、企業客戶與旅遊同業一站式的系統,期待藉由數位轉型與技術開發,減少人力耗費,達成節省成本與增加效率的成果。
📍必揚實境科技 Veyond 必揚實境
本於期待科技創新可為人類生活帶來進步與改變的宗旨,相信教育與訓練的創新和科技化是值得耕耘又深具意義的領域。與各種具備專業知識的單位攜手合作,結合我們自身對於虛擬世界及網路應用的堅實基礎,共同建構各種教育、醫療護理、技能訓練等相關的創新解決方案。
📍米菲多媒體
以技術為核心,擁有多項發明專利及新型專利技術,致力提供XR核心技術開發及硬體整合服務,完善沉浸式體驗流程。2018年上線全台唯一的AR/VR/MR開發平台「MAKAR」。使用者不需學習程式,就能自由創建XR數位內容,發揮創意及想像力。米菲也與AR眼鏡、VR頭盔等設備商合作,進行軟硬體整合,提供SDK技術支援,並於2021年發佈可以直接在網頁觀看的「Web XR服務」。目前協助500家智慧工業、智慧教育、智慧醫療及商務客戶,達成操作培訓、產品演示、資訊管理以及數位轉型等創新XR應用。
📍圖題迷 TUTEEMI
由瓜地馬拉與台灣的創業家共同創立,是一家媒合外師家教與台灣人的平台。TUTEEMI解決語言與文化上的隔閡,提供台灣人與外師家教友善且安全的教學環境。依照每位學生不同的需求,與外師擬定課程,成為外師與學生的橋樑。目前平台上的外師家教來自17個不同的國家,提供的語言教學包含英語、法語、西班牙語與葡萄牙語。
📍凱匯金融科技 iEstate土斯債權
iEstate土斯債權為P2P借貸媒合平台,專注於解決中小企業、建商、不動產資金需求領域。運用P2P的特性,同時降低資金需求者資金成本,提高資金效率;降低債權人參與借貸門檻,提高借貸報酬,並合作區塊鏈圖靈證書,讓所有法律文件皆可上鏈存證。金流全面與銀行及第三方支付公司合作,確保iEstate不經手金流,搭配專業的案件審查團隊,創造P2P普惠金融的價值!
📍諾亞教育 諾亞教育 Know - Ya Edu.
由一群過去為補教老師、家教老師的成員所創辦,過去的教育體系並無法讓學生真正找到學習的意義以及熱忱,因此希望透過STEAM教育的模式打造一個全新的教育環境,讓學生們也能在快樂、有趣的創新環境中學習。最終願景是希望透過課程建立清楚的教學典範,再透過內容創作與電商,將諾亞教育的理念傳遞給更多的家長與學生。
不想錯過19家優秀新創的精彩分享❓
那怎麼還不報名Demo Day The Innovators 5⁉
立刻報名請點我👇
https://www.accupass.com/go/ntpcawsjic_demoday5
完整凱因斯模型 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
AI 如何為公司創造更多價值?專家:2 個缺陷,要先由人類來修補
2021/05/13
採訪‧撰文
盧廷羲
張凱崴
美國人工智慧國家安全委員會(NSCAI)今年 4 月建議,國防部每年應至少分配 3.4% 的預算投入科技領域,並提撥 80 億美元研發 AI。企業方面,微軟(Microsoft)4 月宣布,將以 197 億美元收購語音辨識開發商紐安斯通訊(Nuance Communications);後者是雲端與 AI 軟體的先驅。
從企業到國家,都愈來愈重視人工智慧,知道要想辦法運用 AI 創造更好的生活。不過,目前 AI 發展到底處於什麼階段?我們又該如何應用?
美國加州大學洛杉磯分校(UCLA)電腦科學系助理教授張凱崴形容,目前人工智慧技術已經可以幫助人類完成很多事,像是疫情來襲,電腦可以從大數據中篩選條件,自動搜尋、判讀潛在病例,幫助醫生大幅減少檢查時間,但 AI 也並非萬能,要先認知它的局限。他研究如何讓 AI 更符合人性,獲得 2021 年的史隆研究獎(Sloan Research Fellowships)。
AI 局限1. 資料寬廣度不足時,就會複製人類偏見
張凱崴認為,電腦在學習的時候,是依賴「彙整數據資料」來判斷,並沒有真正思考,如果資料來源太狹隘、不夠多元,資料寬廣度不足,電腦判斷就會出現偏差,「你跟電腦講清楚 input(輸入)、output(輸出),提供足夠的數據資料,它可以對應、學得很好,但還有很多面向 AI 做不到。」
舉例來說,亞馬遜(Amazon)2014 年推出智慧音箱(Amazon Echo),使用者口頭下指令給語音助理 Alexa 就能放音樂、查資訊。然而,有些人口音較罕見,或是用字較特殊,智慧音箱的資料庫沒有「不同口音」「不同用詞」的檔案,就可能失靈,這是當前 AI 的其中一大問題。
張凱崴進一步解釋,AI 另一項挑戰是,它無法清楚分辨「不曾出現」與「不能出現」(無法出現)之間的區別,只是從資料統計出要學的東西,無法像人類一樣進行邏輯思辨。
AI 的運作方式,第一步是輸入資料,第二步是分析,但這過程容易出現偏見。例如電腦在理解「總統」這個字,會去看四周有什麼字詞,來學習總統這個詞,由於許多總統都是男性,電腦就會「覺得」總統是男性。
這也是為什麼,如果讓 AI 學習,在它的認知裡,女性「不可能」當美國總統(因為沒有資料紀錄)。「你可以跟人類說,任何職業、性別都是平等的,但對電腦來講,這很困難,」張凱崴說明,一旦資料的寬廣度受限,電腦就容易產生偏見。
就像在自然語言處理(Natural Language Processing,讓電腦把輸入的語言變成有意義的符號)領域,張凱崴說明,AI需要知道代名詞指的是「哪個名詞」,才能運算下去。但如果資料受限,使用男性的「他」,電腦可能判斷這個代名詞是指總統、總理、執行長;但換成女性的「她」,由於數據不足,電腦就會混亂,出現系統性誤差。
他再舉一例,美國人工智慧研究組織 OpenAI 提出「生成式預先訓練」系統(GPT,Generative Pre-training),推出到 GPT3 版本,屬於書寫類 AI,電腦能夠揣測人們說完上一句話,下一句可能會講的句子,自動完成後半段。
好比有人上一句寫下「我正在和教授聊天」,系統可能推導出「我們在研究室討論學術問題」,因為電腦藉由蒐集來的語料資料中判讀出「教授」和「學術」具高度相關。但研究也顯示,GPT2(前一代版本)系統也從資料中學習到許多偏見,像是如果句子前半談論白人男性,系統傾向產生正面評價;如果句子前半是黑人女性,系統竟會產生負面句子。對企業來說,許多組織接觸 AI,想讓它們取代部分工作,首先需要留意資料的廣度、多元性,才能減少電腦犯錯的機會。
AI 局限2. 即便條件相同,也無法每次都做出正確判斷
「其實,現在的 AI 就像一台原型飛機,還缺乏穩定性。」張凱崴說,現行的 AI 就好比萊特兄弟(Wright brothers)剛發明飛機,看似可以做很多有趣的事,但「可以飛」跟「飛得很好」,有一大段落差。
紐西蘭的簽證系統曾鬧出笑話。人們上傳簽證照片,AI 掃描後,確認是不是本人,但當時系統沒有估算到某些亞洲人眼睛比較小,一名亞裔男子被判定「沒有張開眼睛」,因此照片無效。
張凱崴說,在這個例子中,凸顯出 AI 的穩定性不足,「系統沒有考慮到不同人種的差異,很死板地認為你眼睛沒張開。」所謂的缺乏穩定性,指的是 AI 沒辦法在相同條件下,每次都做出正確決策,這也是使用 AI 時,須留意的第二個挑戰。
他再舉例,許多模型可以準確分析,一則影評對電影的評價是正面或負面。然而研究顯示,有時只要將影評中一些字換成同義詞,例如把電影(movie)換成影片(film),或改寫句子,即使意思並未改變,系統卻把原本判斷為正面的影評標註成負面。這顯示AI系統還未真正了解語言的含義。
在設計這些程式時,人們必須注意到 AI 可能有局限,設定的資料範圍要更完整,考慮這些因素,就能減少偏見、落差,進而加強穩定性。
餵指令給 AI 要多元化,嘗試「換句話說」、刻意混淆
經理人雖然不一定具備 AI 方面的專業知識,但只要掌握觀念,再透過 AI 領域專才協助,也能優化系統。張凱崴指出,最直接的方法是,設計 AI 模型時,要把來源群組不同的資料分門別類測試,在測試階段讓群體多元化,並確保不同特色的使用者,用起來都沒有問題。
舉例來說,一套 A 系統擁有來自各地的使用者,如果設計者是台北人,設計系統的思維容易以台北生活為主,很可能因為當地習慣不同,導致花蓮使用者操作不順。
另一個方法,則是用不同的「語意」,去測試 AI 有沒有徹底學會一個概念。例如,有一套餐廳評鑑的 AI 系統,只要蒐集、整理使用者意見,就能判斷每個顧客對於餐廳的評比是高分或低分。那麼要如何確認這套系統的穩定性?張凱崴建議,可以利用「抽換詞面」的方法。
比如,把詞彙換成同義字,再看 AI 是否能運算出相同結果,「你可能會發現,原本評比結果是食物很美味,但如果美味換成比較困難的詞,AI 就會分不出這則評比是好是壞。」因此在訓練模型時,可以將詞彙隨機抽換成同義詞,增加 AI 的詞彙量。
第三種方式更進階:改變句型、重寫句子。張凱崴指出,同樣一句話,如果換成不同說法,電腦可能判讀錯誤,將「因為發生 A 事件,所以導致 B 事件」,改寫成「B 事件發生了,是因為 A 事件的緣故」,明明兩句話意思一樣,但 AI 很可能因為穩定性不足,搞混兩者的差別。如果要鞏固 AI 的穩定性,可以使用自動改寫的方式,增加資料的多樣性。
張凱崴表示,經過這些測試,讓 AI 接受更多元化的訓練,得到更廣的學習範圍,往後碰到同義詞、相似資訊,才能有效判讀。
張凱崴總結,AI 還在快速發展,或許可以創造更多工作機會、新的職位,但現行階段,它只是輔助角色。AI 並非魔術盒子,使用它就一定有更好結果,人們還是要保持高度耐心,先認識它的缺陷,才能在技術更迭下,發揮出最好的結果。
張凱崴
台灣大學資訊工程系碩士、美國伊利諾大學(UIUC)電腦科學博士。美國加州大學洛杉磯分校(UCLA)電腦科學系助理教授,研究領域包括人工智慧、機器學習、自然語言處理。2021 年獲得史隆研究獎(Sloan Research Fellowship),研究團隊開發的運算方法,使人類語言處理的程序更有效率、更多元,同時兼具公平性。
附圖:優化AI系統的3方法
資料來源:https://www.managertoday.com.tw/articles/view/62902?fbclid=IwAR2jI1bhg1anqct0AZZR_3LKKJqIsvG0wz2whSN8iniROZApHt-_qpD7dis
完整凱因斯模型 在 Re: [考試] 完整凱因斯模型- economics | PTT職涯區 的推薦與評價
Re: [考試] 完整凱因斯模型. 看板 Economics. 作者 stevegreat08. 時間 03-23. 留言 2則留言,2人參與討論. 推噓 1 ( 1推 0噓 1→ ). 討論串 2. ... <看更多>
完整凱因斯模型 在 Re: [考試] 完整凱因斯模型 - PTT Web 的推薦與評價
Re:[考試]完整凱因斯模型@economics,共有2則留言,2人參與討論,1推0噓1→, ※ 引述《pink7954 (布丁狗)》之銘言:: 來源: 自己無聊在亂想: 科目: ... ... <看更多>
完整凱因斯模型 在 閱讀文章- 看板Economics - 批踢踢實業坊 的推薦與評價
標題 [請益] 一個凱因斯從「簡單」->「修正」->「完整」都有的問題
時間 Fri Dec 1
一、前提:
由「費雪方程式」可知下列關係:
名目利率(R) = 實質利率(r) + 預期物價上漲率(π) (符號真不好打)
由凱因斯的「流動性偏好」(=貨幣需求)
L = L(實質所得,名目利率) = L(y,R)
由名目和實質所得的關係
實實所得 = 名目所得/物價 ( y = Y/P )
(以下廢話一堆,可以略過直接看 三、問題:「實質」還是「名目」?)
二、各模型的基本假設及提要:
(一) 簡單凱因斯:( AE = Y )
模型建立在貨幣市場均衡(= 利率已知)、物價水準穩定(=物價水準已知)
的假設前提上,即:R 或 r 固定,P固定 ( R、r、P均視為外生變數 )
以財貨市場的總合支出與產出之均衡,探求均衡所得。
(二)修正凱因斯:( IS = LM )
模型建立在物價水準穩定 (= 物價水準已知)的假設下,即 P 固定(視為外生變數)
以貨幣市埸均衡引申 LM,由財貨市埸均衡引申 IS;
並由IS = LM 表示在貨幣和財貨市埸同時均衡時,可以求得均衡所得及利率。
(三)完整凱因斯:( AD = AS )
模型建立在人們對物價有靜態預期[註1],即預期物價上漲率=π= 0 的假設下。
且此時物價為內生變數
由貨幣及財貨市場的均衡,即 IS-LM 模型引申總合需求線 AD,
並加入勞動市埸的均衡引申總合供給線 AS;
藉 AD = AS,表貨幣、財貨、勞動市場皆達均衡的時,可以求得均衡所得、物價,
並據以推得其他的變數(ex:利率、就業量…)
三、問題:「均衡所得」和「均衡利率」是「實質」還是「名目」?
查了一些書,還沒有個一致的答案,特別是Y,不知道是名目的Y還是實質y。
另外利率是名目還是實質這個問題也沒有特別引出(但符號大都是用r)
[我的想法]
(1)在簡單凱因斯中,因為物價(=P)固定,所以預期物價上漲率(=π)為 0
所以名目利率(R) = 實質利率(r) + π(=0) = 實質利率(r)
且名目所得 Y 可以物價之比例轉換為實質所得 y (因物價P固定)
故模型可用名目變數(Y、R)或是實質變數(y、r)皆可以
貨幣市場的貨幣需求函數也因此可以由 L = L(y,R) 轉換為 L = L(y,r)或是L(Y,r)
=>模型因此可為 Y= C+I+G+X-M 或是 y = c+i+g+x-m 皆可使用
但教科書常見的是名目的 Y= C+I+G+X-M…。
(2)在IS-LM模型中,物價(=P)固定,故同簡單凱因斯,名目利率(R)=實質利率(r)
且名目所得 Y 可以轉換為實質所得 y
=> 故模型用名目變數(Y、R)或是實質變數(y、r)亦皆可以
貨幣需求函數L = L(y,R) 亦可轉換為 L = L(y,r)或是L(Y,r)
(3)在AS-AD模型中,物價為內生變數,但假設預期物價上漲率(=π)為 0
因此,同簡單凱因斯,名目利率(R)=實質利率(r)
但名目所得Y = 物價x最終財貨產出量(=ΣPQ),與物價(P)為正向關係
物價變動必定使得名目所得 Y 產生平行的(或等比例的)變動,故模型中之所得不為
名目所得 Y
=> 故模型中應以實質所得(y)討論之
但貨幣需求函數L = L(y,R) 只可轉換為 L = L(y,r) 而非 L(Y,r)
(4)雖在各模型中有其假設,但是還是看過這樣的題目
例如,在IS-LM模型中,預期物價上漲率(=π)上升,對IS、LM、所得有何影響?
但是IS-LM模型中不是說預期物價上漲率(=π)為0嗎??
可是還是可以分析…
若可這樣問的話,是不是也可以在簡單凱因斯中,問物價或是利率對其的影響呢??
不知道我的想法對不對,還請各位先進們指教些寶貴的意見吧,謝謝
[註1]物價的靜態預期:指人們預期下一期的物價等同於現期的物價,並未發生變動
(可參楊雲明Ⅲp285,賴景昌Ⅱp259)
--
一開始只是想問到底各個模型中的所得或利率是「名目的」還是「實質的」
沒想到弄出來那麼多,請見諒。
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 61.57.132.66
※ 編輯: fallmans 來自: 61.57.132.66 (12/02 23:52)
※ 編輯: fallmans 來自: 61.57.132.66 (12/02 23:53)
※ 編輯: fallmans 來自: 61.57.132.66 (12/02 23:54)
※ 編輯: fallmans 來自: 61.57.132.66 (12/02 23:56)
... <看更多>