亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于大模型的軍事院校AI導(dǎo)師教學(xué)模式探索

        2024-12-27 00:00:00隋先輝蘆旭董強戴瑞婷韋定江
        中國教育技術(shù)裝備 2024年22期
        關(guān)鍵詞:軍事院校教學(xué)模式

        DOI:10.3969/j.issn.1671-489X.2024.22.098

        摘 要 隨著人工智能技術(shù)的快速發(fā)展,其在教育領(lǐng)域的應(yīng)用也越來越廣泛。為了更好地發(fā)揮學(xué)員的學(xué)習主動性、積極性和創(chuàng)新性,進而在不同時段有效提高教學(xué)質(zhì)效,通過對大數(shù)據(jù)基本原理的闡述、不同應(yīng)用場景下的功能分析,針對軍事院校傳統(tǒng)教學(xué)模式的不足之處,建立一種全新的AI導(dǎo)師教學(xué)模式,培養(yǎng)更多適應(yīng)未來戰(zhàn)爭的高素質(zhì)軍事人才。

        關(guān)鍵詞 軍事院校;大模型;AI導(dǎo)師;教學(xué)模式

        中圖分類號:E251.3 文獻標識碼:B

        文章編號:1671-489X(2024)22-00-04

        0 引言

        軍事院校課程教學(xué)具有通識程度廣、專業(yè)程度高、課程門類多等特點,學(xué)員自主學(xué)習時間相對較少,碎片化時間多,難以建立有效的預(yù)習、復(fù)習和科研實踐機制,一定程度上限制了學(xué)員學(xué)習主動性、積極性和創(chuàng)新性的發(fā)揮,導(dǎo)致部分學(xué)員存在考前大量刷題、重成績輕能力的現(xiàn)象,并未完全將教學(xué)內(nèi)容融會貫通于日常學(xué)習、工作中,因此,亟待探索研究新的教學(xué)理念和教學(xué)方法。

        大模型的出現(xiàn)為新時期軍事院校教學(xué)模式發(fā)展提供了一種新的思路,可以應(yīng)用大模型技術(shù)構(gòu)建AI導(dǎo)師教學(xué)模式,在課前教學(xué)資源管理、課中教學(xué)互動、課后教學(xué)答疑三個時段有效提升教學(xué)質(zhì)效,為打贏未來戰(zhàn)爭奠定基礎(chǔ)。

        1 大模型國內(nèi)外研究現(xiàn)狀

        大語言模型簡稱大模型,通常是指具有大量參數(shù)和復(fù)雜結(jié)構(gòu)的深度學(xué)習模型。隨著人工智能等新興技術(shù)的飛快發(fā)展,統(tǒng)計語言模型、神經(jīng)語言模型、預(yù)先訓(xùn)練語言模型、大語言模型等技術(shù)被逐漸應(yīng)用到人們的教學(xué)、科研、生活中。2017年,谷歌公司利用注意力機制加強模型的訓(xùn)練和語義理解能力,并提出全新的Transformer架構(gòu);2018年,提出大規(guī)模預(yù)訓(xùn)練語言模型BERT。2022年由OpenAI公司推出的ChatGPT、GPT-4等生成式人工智能已經(jīng)擁有較高的算力,特別是GPT-4具備多模態(tài)理解與多類型內(nèi)容生成能力,大數(shù)據(jù)、大算力和大算法結(jié)合,大幅提升了大模型的預(yù)訓(xùn)練和生成能力與多模態(tài)多場景應(yīng)用能力。

        我國政府高度重視該新興領(lǐng)域的發(fā)展,2023年7月,國家網(wǎng)信辦等七部門聯(lián)合發(fā)布《生成式人工智能服務(wù)管理暫行辦法》,以法規(guī)文件的形式規(guī)范了生成式人工智能的發(fā)展方向、應(yīng)用場景等[1]。當前,大模型已經(jīng)被廣泛應(yīng)用于科研、金融等領(lǐng)域,不少學(xué)者和在校大學(xué)生也在積極探索大模型在教育領(lǐng)域的應(yīng)用。在傳統(tǒng)教育領(lǐng)域中,大模型的應(yīng)用體現(xiàn)在深入理解教學(xué)資源、關(guān)聯(lián)語義、行為、意圖等,并構(gòu)建線上線下教學(xué)互動的新模式[2-3]。大模型在教育中的應(yīng)用,標志著人工智能嵌入式教學(xué)由機器學(xué)習模式的算法通用式自動預(yù)測、深度學(xué)習模式的架構(gòu)通用化自動識別,向通用大模型模式的模型通用化自動生成轉(zhuǎn)變[4]。

        目前,我國已經(jīng)發(fā)布超過80個大模型產(chǎn)品,至少130家企業(yè)正在推進大模型相關(guān)研究,主要產(chǎn)品包括科大訊飛的訊飛星火、百度的文心一言、阿里巴巴的通義千問、上海人工智能實驗室發(fā)布的書生等。其中華為盤古大模型在100多個行業(yè)完成場景驗證,言犀AI幫助京東完成開發(fā)計算平臺等核心供應(yīng)鏈場景落地實踐,騰訊混元大模型在廣告推薦、游戲端角色塑造等方面已經(jīng)取得較好的應(yīng)用效果。國內(nèi)大模型具有邊緣部署離線應(yīng)用的能力,以清華大學(xué)研發(fā)的ChatGLM-6B大模型為例,該模型是一種開源且支持中英文對話的語言模型,具有62億參數(shù),結(jié)合模型量化相關(guān)技術(shù),可實現(xiàn)在消費級顯卡中離線部署,具有對話模式、工具模式、代碼解釋模式,幫助客戶端完成較為復(fù)雜的任務(wù)。

        2 大模型基本原理、教育應(yīng)用場景和主要

        功能

        2.1 大模型基本原理

        大模型通常通過大規(guī)模數(shù)據(jù)進行訓(xùn)練來捕捉底層模式和特征,以實現(xiàn)在各種任務(wù)上的卓越性能。大模型常用的是Chinchilla擴展法則和KM擴展法則。Chinchilla擴展法則是Google DeepMind團隊提出的一種通過變化更大范圍的模型大小和數(shù)據(jù)大小,在約束條件下優(yōu)化損失,將計算預(yù)算最優(yōu)地分配給模型大小和數(shù)據(jù)大小的方法。KM擴展法則是OpenAI團隊首次提出的神經(jīng)語言模型的性能與模型規(guī)模、數(shù)據(jù)集規(guī)模和訓(xùn)練計算量之間的冪律關(guān)系模型,更偏向于把更大的預(yù)算分配給模型大小[5]。

        相比ChatGPT等大模型,國內(nèi)大模型在智能涌現(xiàn)、數(shù)學(xué)能力與代碼能力等方面存在差距,但是國內(nèi)整體上已經(jīng)具備自主研發(fā)大模型和大模型實踐應(yīng)用的能力。

        2.2 大模型教育應(yīng)用場景

        根據(jù)大模型的潛力,其在院校教育、職業(yè)教育、終身教育中有著廣泛的應(yīng)用前景。

        1)院校教育。大模型可應(yīng)用于課程設(shè)計和教學(xué)輔助方向,自動學(xué)習、理解多模態(tài)信息,并生成高質(zhì)量文本回答問題,充當教學(xué)輔助工具。此外,還可以錄入院校教育內(nèi)容,為學(xué)員提供個性化學(xué)習與答疑服務(wù)。

        2)職業(yè)教育。大模型可以應(yīng)用于艦艇部隊職業(yè)技能技術(shù)培訓(xùn)和職業(yè)規(guī)劃領(lǐng)域,模擬真實的工作任務(wù),生成工作想定等方式,離線部署至一線部隊,提高一線部隊軍士自主開展職業(yè)教育的能力。

        3)終身教育。大模型可以為具有需求和興趣的人提供智能化教學(xué)內(nèi)容推薦、碎片化時間學(xué)習和答疑服務(wù),通過“自主學(xué)習+大模型(AI導(dǎo)師)+在線教育”的模式為終身教育提供更加智能化、科學(xué)化、個性化的解決方案。

        2.3 大模型主要功能

        如圖1所示,大模型主要功能有三種:文本挖掘與管理、語義解析與預(yù)測、人機對話與互動。文本挖掘功能主要是通過機器學(xué)習算法和自然語言處理技術(shù),從大量的文本數(shù)據(jù)中提取有用的信息和知識。語義解析功能主要是通過自然語言處理技術(shù),對文本進行語義理解和分析。同時,大模型還具有預(yù)測功能,可根據(jù)語義解析的結(jié)果對文本的未來趨勢或結(jié)果進行預(yù)測。人機對話與互動功能是理解用戶的意圖和需求,為用戶提供個性化的服務(wù)和建議。

        2.3.1 文本挖掘與管理

        大模型可實現(xiàn)在大量的文本語料中對特定需求的文本進行高質(zhì)量挖掘與分類,并在完成機器翻譯、文本摘要等任務(wù)基礎(chǔ)上實現(xiàn)文本內(nèi)容的再創(chuàng)作。大模型的文本挖掘與管理功能主要包括以下幾個方面。

        1)文本分類:通過對大量文本數(shù)據(jù)進行分析,自動將文本劃分為不同的類別,有助于快速了解文本的主題和內(nèi)容,提高信息檢索的效率。

        2)關(guān)鍵詞提取:從文本中自動提取出具有代表性和區(qū)分度的關(guān)鍵詞,有助于進一步分析文本的主題和內(nèi)容。

        3)情感分析:對文本中的情感傾向進行識別和分析,如正面、負面或中性情感,有助于了解用戶對某個主題或產(chǎn)品的態(tài)度和看法。

        4)實體識別:從文本中自動識別出人名、地名、組織名等實體信息,有助于進一步分析文本的背景和上下文。

        5)關(guān)系抽?。簭奈谋局凶詣犹崛嶓w之間的關(guān)系,如人物之間的親屬關(guān)系、地理位置之間的鄰近關(guān)系等,有助于深入了解文本中的復(fù)雜結(jié)構(gòu)和關(guān)系。

        6)文本摘要:自動從長篇文本中提取關(guān)鍵信

        息,生成簡潔的摘要,有助于快速了解文本的主要內(nèi)容,提高信息檢索的效率。

        7)語義搜索:通過對文本進行深入理解和分

        析,實現(xiàn)基于語義的搜索功能,有助于提高搜索結(jié)果的準確性和相關(guān)性。

        8)文檔聚類:將具有相似主題或內(nèi)容的文本自動分組,為進一步分析和處理文本數(shù)據(jù)奠定基礎(chǔ)。

        9)文檔關(guān)聯(lián):通過分析文本之間的相似性和關(guān)聯(lián)性,發(fā)現(xiàn)不同文本之間的聯(lián)系,幫助用戶深入了解文本背后的知識體系和結(jié)構(gòu)。

        10)數(shù)據(jù)可視化:將文本挖掘的結(jié)果以圖表、詞云等形式展示,有助于直觀地了解文本數(shù)據(jù)的分布和特點。

        2.3.2 語義解析與預(yù)測

        大模型的語義解析與預(yù)測功能主要實現(xiàn)在理解和生成人類語言的過程中,對輸入文本進行深層次的語義理解和分析,并基于此作出預(yù)測。

        1)語義解析:將自然語言文本轉(zhuǎn)化為計算機可理解的形式,幫助機器更好地理解文本的含義和上下文關(guān)系。

        2)語義表示:通過深度學(xué)習技術(shù)將文本轉(zhuǎn)化為向量形式,以便計算機能夠處理和分析。

        3)語義預(yù)測:根據(jù)已有的語義信息預(yù)測文本中潛在語句和詞語,以增強下游任務(wù)的預(yù)測能力。

        4)組合泛化:通過適當?shù)奶崾炯夹g(shù)完成諸多任務(wù),包括理解和產(chǎn)生可能無限數(shù)量的已知組件的新穎組合。

        2.3.3 人機對話與互動

        諸如ChatGPT、訊飛星火等生成式人工智能,可以實現(xiàn)自然語言用戶在數(shù)字世界中進行流暢且連貫的多輪對話,實現(xiàn)現(xiàn)實世界和數(shù)字世界的互動。該功能重點在于利用深度學(xué)習和自然語言處理技術(shù)模擬人的思維方式、理解復(fù)雜的語境和含義,提供準確且有效的反饋,同時根據(jù)用戶的反饋記錄主動了解用戶的需求,進行多模態(tài)(語音、圖像、文本)的交互,可以幫助用戶完成任務(wù)分配、資源管理、進度跟蹤、數(shù)據(jù)提取和共享等諸多工作。

        3 軍事院校傳統(tǒng)教學(xué)模式存在的不足

        3.1 戰(zhàn)爭形式演化較快,教學(xué)資源整合及時性不足

        戰(zhàn)爭形態(tài)經(jīng)歷了冷兵器、熱兵器、機械化并正在向信息化、智能化形態(tài)發(fā)展,人工智能、物聯(lián)網(wǎng)、腦機接口等先進技術(shù)在軍事領(lǐng)域的應(yīng)用越來越廣泛。軍事院校一門課、一個學(xué)科、一個專業(yè)教學(xué)效果的好壞,關(guān)鍵在于課前的籌劃和準備,重點在于能否把智能化戰(zhàn)爭演變過程中的新興事物、重要事件在教學(xué)資源整合中進行有機融合并應(yīng)用于課堂、服務(wù)于教學(xué)。但在教學(xué)準備過程中,受準備時間和其他戰(zhàn)訓(xùn)任務(wù)等約束條件的限制,往往難以集中時間和精力細致入微地查找、梳理、分析、開源網(wǎng)絡(luò)中有關(guān)智能化戰(zhàn)爭發(fā)展的資料,更難以對標課程內(nèi)容、重難點問題進行未來戰(zhàn)爭的啟智性暢想。分析現(xiàn)實教學(xué)與未來戰(zhàn)爭暢想未能有機結(jié)合的原因,根本在于課前教學(xué)資源查找困難,資源整合費時較多,難以短時間形成整合思路,教學(xué)資源整合的及時性不強。

        3.2 課堂以傳統(tǒng)講授為主,學(xué)員自主學(xué)習能力不強

        目前,軍事院校教學(xué)依舊是以傳統(tǒng)講授式教學(xué)為主,講授的知識內(nèi)容全面、廣泛,結(jié)構(gòu)清晰且有深度。在講授式教學(xué)過程中,部分教員照本宣科,對學(xué)員啟發(fā)引導(dǎo)不足,學(xué)員始終處于被動的接收狀態(tài),形成一種淺表式簡單的師生互動模式,授課內(nèi)容缺乏前瞻性、創(chuàng)新性。教學(xué)從本質(zhì)上講未能跳出知識傳授的舒適圈,未能充分調(diào)動學(xué)員學(xué)習的主動性、信息處理的發(fā)散性,未能體現(xiàn)以學(xué)員為中心的教學(xué)理念,背離了教員啟發(fā)式教學(xué)和學(xué)員積極式學(xué)習的教學(xué)互動關(guān)系,導(dǎo)致學(xué)員被填鴨式灌輸,對知識的吸收、理解、轉(zhuǎn)換效率低,未能有效激發(fā)學(xué)員對課程和專業(yè)的興趣,一定程度上影響了學(xué)員制衡強敵、打贏未來高端戰(zhàn)爭能力的生成。

        3.3 理論與實踐聯(lián)系不緊密,課內(nèi)與課外知識結(jié)合度不好

        由于課堂中教與學(xué)互動效率不高,學(xué)員看似掌握了知識,卻未能將其融會貫通于生活、學(xué)習、工作中,諸如學(xué)過了標圖卻不會繪圖、學(xué)過了帆纜卻不會繩結(jié)、學(xué)過了想定卻不會應(yīng)用等問題。在實際應(yīng)用中,部分學(xué)員沒有將課程知識和軍事實踐有機結(jié)合,對于具體問題不能自己尋找解決問題的方法,更多的是尋求他人的幫助,缺乏從理論到實踐過程的自我思考。

        3.4 知識更新不及時,碎片化時間利用率不高

        未來戰(zhàn)爭的勝負取決于戰(zhàn)爭階段軍事理論、軍事思想、軍事科技知識的合理高效運用,而院校教授的基礎(chǔ)知識是已有的、固化的、經(jīng)驗的知識體系,難以應(yīng)對瞬息萬變的高端戰(zhàn)爭需求。因此,如何實現(xiàn)既有知識供給側(cè)與高端戰(zhàn)爭知識需求側(cè)的精準對接,是軍事指揮人才培養(yǎng)的重中之重。軍事人才全周期培養(yǎng)和自我培塑是軍事指揮人才指揮決策能力、組織實施能力、戰(zhàn)法創(chuàng)新能力提高的必由之路。學(xué)員在院校教育期間受制于課程、訓(xùn)練、勤務(wù)等活動影響,課余時間相對較少,碎片化時間利用率不高,自我學(xué)習能力相對較弱;在崗位工作期間受戰(zhàn)備勤務(wù)、演訓(xùn)任務(wù)、事務(wù)性工作等因素影響,沒有相對集中的學(xué)習時間。另外,一些部隊存在學(xué)習資料不足等問題,且無法獲得在線學(xué)習資源,限制了官兵職業(yè)教育和自我提升。

        4 基于大模型的軍事院校AI導(dǎo)師教學(xué)模式

        4.1 AI賦能教學(xué)輸入

        利用生成式大模型賦能軍校教員的教學(xué)籌劃和準備工作,構(gòu)建教學(xué)資源知識庫、問題庫、學(xué)員資料庫等,可以提升教學(xué)準備的效率和精確度。

        4.1.1 教學(xué)進程管理

        生成式大模型可以在人的引導(dǎo)下自動為學(xué)員分配合適的學(xué)習內(nèi)容和課程內(nèi)容,幫助教員定制化地制定授課計劃,實現(xiàn)因材施教。

        4.1.2 教案文本整理

        生成式大模型可以主動進行熱點材料的挖掘和處理,對過往課件內(nèi)容進行美化調(diào)整和梳理,整合教材中的關(guān)鍵信息,將零散的知識和熱點信息整理成結(jié)構(gòu)化的知識體系。一方面,大模型可以在教員引導(dǎo)下,在特定目標、特定內(nèi)容、特定主題的約束下,自動生成教案,提高教學(xué)準備效率;另一方面,大模型可以對現(xiàn)有教案進行文本調(diào)整,如格式優(yōu)化等,幫助教員從冗余事務(wù)中解放出來,優(yōu)化教學(xué)資源,增強整體教學(xué)效果。

        4.2 AI構(gòu)建一課多導(dǎo)師模式

        大模型可以構(gòu)建“多位數(shù)字AI導(dǎo)師+現(xiàn)實導(dǎo)師”的一課多導(dǎo)師模式,突出學(xué)員的教學(xué)主體地位。

        1)在進行課堂講授式教學(xué)前,學(xué)員可以利用AI導(dǎo)師完成教學(xué)知識的問答,實現(xiàn)課前的快速預(yù)習。

        2)在課堂教學(xué)時,遇到重難點問題可以通過調(diào)用大模型,在繁雜的知識信息中檢索相對集中、準確的參考答案,實現(xiàn)具有針對性、較為精確的解答和注釋,提升課堂實時教學(xué)效率。

        3)在課后學(xué)習時,通過錄入課本等相關(guān)材料,將過往一對一答疑模式轉(zhuǎn)化為“多位數(shù)字AI導(dǎo)師+

        現(xiàn)實導(dǎo)師”對學(xué)員的多對多教學(xué)答疑模式,提升學(xué)員課后答疑效率,增強復(fù)習反饋效果。

        4)大模型可在課后階段充當教學(xué)評價、課程評估、學(xué)員評價的助理,通過學(xué)習和理解大量的過往文本、語音等多模態(tài)樣本數(shù)據(jù),生成課堂中學(xué)員表現(xiàn)的評價報告,并在多課程、多學(xué)科、多教員中進行交叉驗證評估,輔助完成實時性和階段性教學(xué)評價工作。

        4.3 基于大模型的項目導(dǎo)向式教學(xué)模式

        生成式大模型可通過多模態(tài)人機互動、文本挖掘,提供邊緣部署式AI導(dǎo)師,解決學(xué)員獨立開展項目導(dǎo)向式教學(xué)的大部分問題。在教員布置完教學(xué)案例或研究項目后,學(xué)員可以利用生成式大模型獨立開展文本挖掘,完成案例或項目的背景、目標、方法和可行性等內(nèi)容的分析,梳理研究現(xiàn)狀,并在撰寫過程中讓生成式大模型提供多輪多次的人機多模態(tài)互動對話,提供文本撰寫的指導(dǎo)。在教員預(yù)先設(shè)計的框架內(nèi),由生成式大模型提供反饋和建議,減少傳統(tǒng)的大組會研學(xué)活動,增加零散的個性化人機互動式研學(xué)活動,提升學(xué)員自主獨立研究戰(zhàn)爭、創(chuàng)新戰(zhàn)法的能力,將研學(xué)活動有機嵌套融合在學(xué)員的日常工作中,極大地提升個人獨立開展項目研究和理論實踐的能力。

        5 結(jié)束語

        本文探討了大模型的基本原理和教育應(yīng)用場景,并重點介紹了其在軍事院校教學(xué)模式中的應(yīng)用。大模型通過大規(guī)模數(shù)據(jù)訓(xùn)練來捕捉底層模式和特征,以實現(xiàn)其在完成各種任務(wù)上的卓越性能。在軍事院校教育(包括院校教育、職業(yè)教育和終身教育)應(yīng)用上,大模型的主要功能為教學(xué)提供了更加精準和個性化的支持,提高了教學(xué)質(zhì)量和效率。研究表明,基于大模型的軍事院校AI導(dǎo)師教學(xué)模式可以有效地提高學(xué)員的學(xué)習成績和學(xué)習興趣,增強學(xué)員的自主學(xué)習能力和創(chuàng)新思維能力。此外,該模式還可以增強教學(xué)效果和學(xué)員對教學(xué)的滿意度,為軍事院校的教學(xué)改革和創(chuàng)新提供新的思路與方法。

        未來可以進一步拓展大模型在其他領(lǐng)域的應(yīng)用,為人工智能技術(shù)在教育領(lǐng)域的廣泛應(yīng)用提供更多的理論和實踐支持。同時,可以考慮進一步優(yōu)化大模型的性能,更好地將大模型與實際教學(xué)場景相結(jié)合,以實現(xiàn)更加智能化、科學(xué)化、個性化的教學(xué)解決方案。

        6 參考文獻

        [1] 生成式人工智能服務(wù)管理辦法(征求意見稿)[J].中國

        信息化,2023(5):18-19.

        [2] 吳蘭岸,閆寒冰,黃發(fā)良,等.大型語言模型在高等教

        育中的應(yīng)用分析與現(xiàn)實挑戰(zhàn)[J].現(xiàn)代教育技術(shù),2023,

        33(8):29-37.

        [3] 盧宇,余京蕾,陳鵬鶴,等.多模態(tài)大模型的教育應(yīng)用

        研究與展望[J].電化教育研究,2023,44(6):38-44.

        [4] 吳砥,李環(huán),陳旭.人工智能通用大模型教育應(yīng)用影響

        探析[J].開放教育研究,2023,29(2):19-25.

        [5] Hoffmann J, Borgeaud S, Mensch A, et al. Training

        Compute-Optimal Large Language Models.(2022-03-

        29)[2024-03-20].https://arxiv.org/abs/2203.15556.

        作者簡介:隋先輝,副教授。

        猜你喜歡
        軍事院校教學(xué)模式
        網(wǎng)絡(luò)攻防技術(shù)課程思政教學(xué)探索與實踐
        群文閱讀教學(xué)模式探討
        “思”以貫之“學(xué)、練、賽、評”教學(xué)模式的實踐探索
        “以讀帶寫,以寫促讀”教學(xué)模式的實踐探索
        甘肅教育(2020年12期)2020-04-13 06:25:48
        對概率統(tǒng)計有效教學(xué)的幾點認識
        亞太教育(2016年31期)2016-12-12 20:53:16
        軍事院校任職專業(yè)實戰(zhàn)化教學(xué)和訓(xùn)練的幾點思考
        抗戰(zhàn)時期遷黔軍事院校體育活動研究
        考試周刊(2016年79期)2016-10-13 22:44:58
        “一精三多”教學(xué)模式的探索與實踐
        “導(dǎo)航杯”實踐教學(xué)模式的做法與成效
        5E教學(xué)模式對我國中學(xué)數(shù)學(xué)教學(xué)的啟示
        av免费观看网站大全| 久久av无码精品人妻糸列| 国产精品欧美成人片| 快射视频网站在线观看| 亚洲自偷自拍另类第1页| 免费无码又爽又刺激聊天app| 亚洲国产麻豆综合一区| 成人激情视频一区二区三区| 久久天堂精品一区二区三区四区| 亚洲国产成人影院在线播放| 亚洲日韩图片专区小说专区| 久久精品国产白丝爆白浆| 天天综合天天爱天天做| 乱人伦中文无码视频在线观看| 在线a亚洲视频播放在线观看| 中文字幕日韩一区二区不卡| 国产精品日日做人人爱| 国产成人午夜精华液| 窄裙美女教师在线观看视频| 亚洲av少妇一区二区在线观看 | 国产综合久久久久久鬼色| 色拍拍在线精品视频| 成人国产一区二区三区精品不卡| 丰满的少妇av一区二区三区| 欧洲熟妇色xxxx欧美老妇多毛 | 国产乱人视频在线播放| 天天干夜夜躁| 一级内射免费观看视频| 久久国产精品偷任你爽任你| 97超级碰碰人妻中文字幕| 亚洲av黄片一区二区| 国产一区二区三区av天堂| 亚洲成a∨人片在无码2023| 一本大道在线一久道一区二区 | 狠狠色噜噜狠狠狠888米奇视频| 在线观看国产一区亚洲bd| 日本午夜理论一区二区在线观看 | 一区二区三区在线日本视频| 疯狂做受xxxx高潮视频免费| 国产精品久久久久久久久KTV| 亚洲精品一区二区三区国产|