精品欧美一区二区三区在线观看 _久久久久国色av免费观看性色_国产精品久久在线观看_亚洲第一综合网站_91精品又粗又猛又爽_小泽玛利亚一区二区免费_91亚洲精品国偷拍自产在线观看 _久久精品视频在线播放_美女精品久久久_欧美日韩国产成人在线

應用程序任務驅動:詳細解析LLM的評估指標 原創

發布于 2024-6-24 11:09
瀏覽
0收藏

譯者 | 李睿

審校 | 重樓

在自然語言處理(NLP)的動態環境中,大型語言模型(LM)性能的評估是衡量其在各種下游應用程序中的有效性的關鍵因素。不同的應用程序需要與其目標一致的不同性能指標。本文將詳細介紹各種LLM評估指標,探索它們如何應用于實際場景。

從傳統的摘要任務到更細致的場景評估,了解用于評估LLM熟練程度的不斷發展的方法,揭示了它們的優勢、局限性以及在推動NLP研究和應用方面的實際意義。以下是一些常見的文本應用程序任務和相應的評估指標/框架。

1.文本摘要

文本摘要是一種自然語言處理(NLP)任務,旨在將給定文本文檔的內容縮減/提煉成更短的版本,同時保留原始文本的最重要信息和整體含義。文本摘要可以使用提取或抽象技術來執行。評估這類系統的一些指標/框架包括:

(1)SUPERT:無監督的多文檔摘要評價與生成。它通過評估摘要與偽參考摘要(使用場景化嵌入和軟令牌對齊技術,從源文檔中選擇突出的句子)的語義相似性來評估摘要的質量。

(2)BLANC:它采用一種客觀的、可重復的、完全自動化的方法來評估摘要的功能性能。它通過評估預訓練的LLM在對文檔文本執行語言理解任務時訪問文檔摘要所獲得的性能提升來實現這一點。

(3)FactCC:它使用一種弱監督的、基于模型的方法來驗證事實的一致性,并識別源文檔和生成摘要之間的沖突。

如下是BLANC指標基本用法的示例代碼。

Python

1 >>> from blanc import BlancHelp, BlancTune
2 >>> document = "Jack drove his minivan to the bazaar to purchase milk and honey for his large family."
3 >>> summary = "Jack bought milk and honey."
4 >>> blanc_help = BlancHelp()
5 >>> blanc_tune = BlancTune(finetune_mask_evenly=False, show_progress_bar=False)
6 >>> blanc_help.eval_once(document, summary)
7 0.2222222222222222
8 >>> blanc_tune.eval_once(document, summary)
9 0.3333333333333333

如下是SUPERT指標的基本用法示例代碼。

Python

1 from ref_free_metrics.supert import Supert
2 from utils.data_reader import CorpusReader
3
4 # read docs and summaries
5 reader = CorpusReader('data/topic_1')
6 source_docs = reader()
7 summaries = reader.readSummaries() 
8
9 # compute the Supert scores
10 supert = Supert(source_docs) 
11 scores = supert(summaries)

2.重疊文本相似性

基于重疊的文本相似性指標通過評估共享單詞、短語或n-gram的存在和頻率來量化兩個文本片段之間的相似性。這些方法簡單直接并且計算效率高,但可能無法準確捕獲語義相似性,特別是在處理包含同義詞、釋義或不同單詞形式的文本時。評估這類系統的一些指標/框架包括:

(1)BLEU (Bilingual Evaluation Understudy):這是一種廣泛使用的基于準確性的指標標準,通過將機器翻譯的文本與人類翻譯的文本進行比較來評估其質量。BLEU根據參考譯文對個別翻譯片段進行評分,并將其平均化,以評估整體質量,重點是對應性,而不是可理解性或語法正確性。

(2)ROUGE (Recall-Oriented Understudy for Gisting Evaluation):它側重于通過將摘要或生成文本與一個或多個參考文本進行比較來評估摘要或生成文本的質量。ROUGE測量生成文本和參考文本之間n-gram (n個項目的連續序列,通常是單詞)的重疊。ROUGE包括多種變體,例如ROUGE-N(考慮n-gram重疊),ROUGE-L(測量生成文本和參考文本之間的最長公共子序列)和ROUGE- (考慮加權重疊)。

(3)METEOR (Metric for Evaluation of Translation with Explicit Ordering):這是機器翻譯領域中另一個廣泛使用的評估指標。與ROUGE和BLEU主要關注n-gram重疊不同,METEOR結合了額外的語言特征,例如詞根提取、同義詞和詞序來評估翻譯文本的質量。它計算精度和召回率的調和平均值,賦予兩者同等的權重。METEOR還包括對詞序差異和未對齊單詞的懲罰,以鼓勵保持參考翻譯的順序和內容的翻譯。

Python

1
2 >>> predictions = ["hello there general kenobi", "foo bar foobar"]
3 >>> references = [
4 ...     ["hello there general kenobi", "hello there !"],
5 ...     ["foo bar foobar"]
6 ... ]
7 >>> bleu = evaluate.load("bleu")
8 >>> results = bleu.compute(predictions=predictions, references=references)
9 >>> print(results)
10 {'bleu': 1.0, 'precisions': [1.0, 1.0, 1.0, 1.0], 'brevity_penalty': 1.0, 'length_ratio': 1.1666666666666667, 'translation_length': 7, 'reference_length': 6}
11

Huggingface的BLEU指標的基本用法示例代碼。

Python

1 >>> rouge = evaluate.load('rouge')
2 >>> predictions = ["hello goodbye", "ankh morpork"]
3 >>> references = ["goodbye", "general kenobi"]
4 >>> results = rouge.compute(predictions=predictions,
5 ...                         references=references,
6 ...                         use_aggregator=False)
7 >>> print(list(results.keys()))
8 ['rouge1', 'rouge2', 'rougeL', 'rougeLsum']
9 >>> print(results["rouge1"])
10 [0.5, 0.0]

從Huggingface的ROUGE指標的基本用法的樣本代碼。

3.語義文本相似性

語義文本相似性捕獲兩段文本的基本語義或含義,而不僅僅是它們的結構重疊。使用自然語言處理(NLP)和機器學習技術,語義文本相似性方法將單詞、短語或整個文本段落表示為高維語義空間中的密集、連續向量。評估這類系統的一些指標/框架包括:

(1)BERTScore:它利用預訓練的BERT(來自Transformers的雙向編碼器表示)模型來計算句子或文本段落之間的相似性得分。它基于BERT獲得的場景嵌入來計算相似度,BERT通過考慮每個詞的周圍場景來捕獲語義信息,從而對語言生成任務提供更細致的評估。它已經被證明與人類對文本質量的判斷有很好的相關性。使用合適的BERT模型變得至關重要,因為它會影響存儲空間和分數的準確性。

(2)MoverScore:它通過計算使用最優傳輸算法將一個段落轉換為另一個段落的最小成本來測量兩個文本段落之間的語義相似性。它基于分布語義,重點是對齊段落之間單詞的分布。通過同時考慮文本的內容和結構,MoverScore提供了一種強大的語義相似性指標,這種指標對詞序或詞匯選擇等表面差異不太敏感。

Python

1 from evaluate import load
2 bertscore = load("bertscore")
3 predictions = ["hello world", "general kenobi"]
4 references = ["hello world", "general kenobi"]
5 results = bertscore.compute(predictions=predictions, references=references, model_type="distilbert-base-uncased")
6 print(results)
7 {'precision': [1.0, 1.0], 'recall': [1.0, 1.0], 'f1': [1.0, 1.0], 'hashcode': 'distilbert-base-uncased_L5_no-idf_version=0.3.10(hug_trans=4.10.3)'}
8
Huggingface的BERTScore指標的基本用法示例代碼。

4. RAG(檢索-增強-生成)

RAG是一種創新的自然語言處理方法,它結合了基于檢索和基于生成的模型的優勢。在RAG中,使用大規模預訓練的檢索器模型從知識源(例如大型文本語料庫或知識圖)中檢索相關場景或段落。然后,這些檢索到的段落被用作生成模型(例如語言模型或Transformer)的輸入或指導,以產生連貫和場景相關的文本輸出。用于評估這種系統的一些指標/框架包括:

(1)RAGAs:RAGAs旨在創建一個開放標準,為開發人員提供工具和技術,以便在他們的RAG應用程序中利用持續學習。RAG允許開發人員綜合地生成不同的測試數據集來評估應用程序。它還允許LLM輔助的評估指標客觀地評估應用程序的性能。從本質上來說,RAGAs為單獨評估RAG管道的每個組件提供了量身定制的指標(例如,生成——可信度和答案相關性,檢索——場景精度和召回率)。

a.忠實性:這個指標衡量的是在給定場景生成的答案的事實一致性。它是從答案和檢索到的場景計算出來的。答案被縮放到(0,1)的范圍。越高越好。

b.答案相關性:這個指標側重于評估生成的答案與給定提示的相關性。越是不完整或包含冗余信息的答案,得分越低,得分越高表示相關性越好。

c.場景召回:場景召回評估檢索結果與注釋答案一致的程度,被視為基本事實。

d.場景精度:場景精度這個指標用于評估場景中出現的所有與基本事實相關的項目是否排名更高。在理想情況下,所有相關的塊都必須出現在最高級別。

e.場景相關性:這一指標評估檢索場景的相關性。根據問題和場景計算,這些值在(0,1)的范圍內,值越大表示相關性越好。

f.場景實體召回:它是從ground_truth中召回實體比例的指標。這個指標在基于事實的用例中很有用,例如旅游服務臺、歷史QA等。

g.答案語義相似度:答案語義相似度的概念涉及對生成的答案與基本事實之間的語義相似度的評估。

h.答案正確性:對答案正確性的評估包括衡量生成答案與基本事實相比較的準確性。

(2)ARES:一種用于檢索增強生成系統的自動評估框架

這一自動化過程將合成數據生成與經過微調的分類器相結合,以有效地評估場景相關性、答案忠實性和答案相關性,從而最大限度地減少對大量人工注釋的需求。ARES采用綜合查詢生成和精度性能迭代(PPI),提供具有統計置信度的準確評估。 

 Python

1 from datasets import Dataset 
2 import os
3 from ragas import evaluate
4 from ragas.metrics import faithfulness, answer_correctness
5
6 os.environ["OPENAI_API_KEY"] = "your-openai-key"
7
8 data_samples = {
9    'question': ['When was the first super bowl?', 'Who won the most super bowls?'],
10    'answer': ['The first superbowl was held on Jan 15, 1967', 'The most super bowls have been won by The New England Patriots'],
11    'contexts' : [['The First AFL–NFL World Championship Game was an American football game played on January 15, 1967, at the Los Angeles Memorial Coliseum in Los Angeles,'], 
12    ['The Green Bay Packers...Green Bay, Wisconsin.','The Packers compete...Football Conference']],
13    'ground_truth': ['The first superbowl was held on January 15, 1967', 'The New England Patriots have won the Super Bowl a record six times']
14 }
15
16 dataset = Dataset.from_dict(data_samples)
17
18 score = evaluate(dataset,metrics=[faithfulness,answer_correctness])
19 score.to_pandas()
RAG忠誠度的例子。
Python 
1 from ares import ARES
2
3 ues_idp_config = {
4    "in_domain_prompts_dataset": "nq_few_shot_prompt_for_judge_scoring.tsv",
5    "unlabeled_evaluation_set": "nq_unlabeled_output.tsv", 
6    "model_choice" : "gpt-3.5-turbo-0125"
7 } 
8
9 ares = ARES(ues_idp=ues_idp_config)
10 results = ares.ues_idp()
11 print(results)
12 # {'Context Relevance Scores': [Score], 'Answer Faithfulness Scores': [Score], 'Answer Relevance Scores': [

使用ARES檢索GPT3.5的UES/IDP分數的示例。

5. QA(問答)

這項任務涉及設計算法和模型,以自動生成用自然語言提出的問題的答案。該任務通常包括處理問題,理解其語義,然后在給定的場景或知識庫中搜索,以找到可以直接回答該問題的相關信息。它的復雜性可能從簡單的基于事實的問題到需要推理和更復雜的場景。

評估這類系統的一些指標/框架包括:

(1)QAEval:QAEval是一種基于問答的指標,用于估計摘要的內容質量。它從參考摘要中生成QA對,然后使用QA模型根據候選摘要回答問題。最終分數是答對問題的部分。

(2)QAFactEval:改進的基于QA的總結事實一致性評估。它建立在QAEval的基礎上,具有問題一致性過濾和改進的答案重疊指標,與之前基于SummaC事實一致性基準的QA指標相比,平均提高了14%。

(3)QuestEval:這是一個NLG指標,用于評估兩個不同的輸入是否包含相同的信息。基于問題生成和回答的指標可以處理多模式和多語言輸入。與ROUGE或BERTScore等既定指標相比,QuestEval不需要任何事實真相的參考。

Python

1 from qafacteval import QAFactEval
2 kwargs = {"cuda_device": 0, "use_lerc_quip": True, \
3        "verbose": True, "generation_batch_size": 32, \
4        "answering_batch_size": 32, "lerc_batch_size": 8}
5
6 model_folder = "" # path to models downloaded with download_models.sh
7 metric = QAFactEval(
8    lerc_quip_path=f"{model_folder}/quip-512-mocha",
9    generation_model_path=f"{model_folder}/generation/model.tar.gz",
10    answering_model_dir=f"{model_folder}/answering",
11    lerc_model_path=f"{model_folder}/lerc/model.tar.gz",
12lerc_pretrained_model_path=f"{model_folder}/lerc/pretraining.tar.gz",
13    **kwargs
14 )
15
16 results = metric.score_batch_qafacteval(["This is a source document"], [["This is a summary."]], return_qa_pairs=True)
17 score = results[0][0]['qa-eval']['lerc_quip']
18

QAFactEval的示例。

6. NER(命名實體識別)

NER是一種自然語言處理(NLP)任務,涉及識別和分類文本主體中的命名實體。命名實體是指按名稱提及的特定實體,例如人員、組織、地點、日期、數值表達式等。

(1)InterpretEval:以NER和CWS任務為例,為NER任務定義了8個屬性,為CWS任務定義了7個屬性。通過分類,即把他們的整體表現分成不同的類別。這可以通過將測試實體集劃分為不同的測試實體子集(關于跨度和句子級屬性)或測試令牌(關于令牌級屬性)來實現。最后通過統計指標來衡量每個桶的性能。

DeepEval:開源LLM的評估框架

DeepEval是最好的、易于使用的開源LLM評估框架之一。它結合了基于上面討論的各種指標評估LLM輸出的最新研究,其中使用LLM和在機器上本地運行的各種其他NLP模型進行評估。

Python

1 from deepeval import evaluate
2 from deepeval.metrics import SummarizationMetric
3 from deepeval.test_case import LLMTestCase
4 ...
5
6 test_case = LLMTestCase(input=input, actual_output=actual_output)
7 metric = SummarizationMetric(
8    threshold=0.5,
9    model="gpt-4",
10    assessment_questions=[
11        "Is the coverage score based on a percentage of 'yes' answers?",
12        "Does the score ensure the summary's accuracy with the source?",
13        "Does a higher score mean a more comprehensive summary?"
14    ]
15 )
16
17 metric.measure(test_case)
18 print(metric.score)
19 print(metric.reason)
20
21 # or evaluate test cases in bulk
22 evaluate([test_case], [metric])

來自DeepEval的樣本摘要指標。

結論

本文探討了NLP中的各種評估指標和支持框架,研究了它們在每個文本應用程序任務中的實際相關性和含義;認識到評估在塑造語言模型開發中的關鍵作用,不斷完善方法并采用新興的范式至關重要;了解用于應用程序類型的正確評估指標,并了解能夠大規模支持它們的框架,對于開發大規模NLP系統的成功至關重要。

原文標題:Application Task Driven: LLM Evaluation Metrics in Detail,作者:Sapan Patel

鏈接:https://dzone.com/articles/llm-evaluation-metrics-in-detail-based-on-text-app

?著作權歸作者所有,如需轉載,請注明出處,否則將追究法律責任
收藏
回復
舉報
回復
相關推薦
欧美色图另类| 99成人在线观看| 毛片电影在线| 国产嫩草影院久久久久| 国产免费一区二区三区在线观看| 久久精品日产第一区二区三区| 精品无码人妻一区二区三| 日韩欧美在线精品| 欧美日韩久久一区| 欧美男女爱爱视频| 天堂中文8资源在线8| 国产成人精品综合在线观看| 青青a在线精品免费观看| 紧身裙女教师波多野结衣| 麻豆精品少妇| 56国语精品自产拍在线观看| 少妇性饥渴无码a区免费| 日本高清中文字幕在线| 久久综合久久综合九色| 亚洲一区二区三区xxx视频| 天天爽夜夜爽夜夜爽精品| 久久婷婷蜜乳一本欲蜜臀| 亚洲精品久久7777777| 国产成人美女视频| 亚洲www免费| 亚洲一区二区三区中文字幕 | 91麻豆国产在线观看| 成人欧美在线观看| 欧美精品一二三四区| 午夜日韩电影| 日韩在线小视频| 大又大又粗又硬又爽少妇毛片 | 暗呦丨小u女国产精品| 自拍偷拍一区| 亚洲国产精品久久久久秋霞不卡| 欧美又黄又嫩大片a级| 天天综合网天天| 欧美日韩国产黄| 青青草视频在线视频| 日本不卡在线| 中文子幕无线码一区tr| 欧美日韩亚洲免费| 青青草免费在线| 99久久免费视频.com| 成人在线视频网址| 99在线精品视频免费观看20| 精品午夜久久福利影院| 国产精品视频999| 国产免费www| 日韩精品免费视频人成| 91po在线观看91精品国产性色| 久久久全国免费视频| 欧美aⅴ99久久黑人专区| 久久精品国产欧美激情| 长河落日免费高清观看| 成人动漫免费在线观看| 亚洲欧美国产制服动漫| 国产吞精囗交久久久| 欧美理论电影在线精品| 日韩精品视频三区| 欧美 日本 国产| 久久97视频| 亚洲网站在线看| 亚洲自拍偷拍图| 四虎成人精品永久免费av九九| 中文字幕九色91在线| 精品伦精品一区二区三区视频密桃| 成人影视亚洲图片在线| 综合久久五月天| 99热在线观看精品| 国产精品国内免费一区二区三区| 超碰精品一区二区三区乱码| 免费在线观看一级片| 国产精品v亚洲精品v日韩精品| 九九精品在线观看| 国产做受高潮漫动| 久久午夜av| 91久久久久久久久| 亚洲精品无amm毛片| 成人av在线播放网址| 欧美13一14另类| 日本高清中文字幕在线| 一区二区三区欧美日韩| 国产精品333| 欧美黄色网络| 日韩欧美你懂的| 在线观看国产免费视频| 欧洲激情视频| 欧美精品中文字幕一区| 免费看日韩毛片| 麻豆成人在线观看| av蓝导航精品导航| 国产小视频免费在线观看| 自拍偷拍亚洲综合| 91专区在线观看| 国产福利91精品一区二区| 日韩三级在线免费观看| 亚洲 小说 欧美 激情 另类| 国产精品精品| 日本一欧美一欧美一亚洲视频| 一卡二卡三卡在线| 成人av网站在线观看免费| 色涩成人影视在线播放| 午夜在线激情影院| 欧美在线观看视频在线| 中文字幕乱视频| 欧美wwwww| 26uuu国产精品视频| 91成人国产综合久久精品| 99久久er热在这里只有精品66| 亚洲亚洲精品三区日韩精品在线视频| 丁香花在线电影| 欧美日本一道本在线视频| 欧产日产国产精品98| 日韩免费视频| 欧美又大又硬又粗bbbbb| 国产jzjzjz丝袜老师水多| 久久久影视传媒| 搞av.com| 警花av一区二区三区| 国产亚洲欧美日韩精品| 久久露脸国语精品国产91| 国产一区在线观看视频| 日日噜噜噜噜夜夜爽亚洲精品| 白白色在线观看| 日韩免费电影网站| 疯狂撞击丝袜人妻| 蜜臀99久久精品久久久久久软件| 鲁鲁视频www一区二区| 乱插在线www| 欧美一级午夜免费电影| 中文国语毛片高清视频| 日韩国产在线观看一区| 欧美性xxxx69| 免费成人直播| 亚洲欧美精品伊人久久| aaa人片在线| 91性感美女视频| 欧美不卡在线播放| av不卡一区二区| 欧美激情成人在线视频| 99久久久久成人国产免费| 亚洲欧洲日韩综合一区二区| 亚洲一级免费观看| 青青草国产成人a∨下载安卓| 日本不卡视频在线播放| 日韩精品123| 粉嫩av一区二区三区免费野| 日本免费福利视频| 亚洲伊人网站| 欧美lavv| 123成人网| 中文日韩电影网站| 亚洲系列在线观看| 国产精品久久久久9999吃药| 日本黄大片一区二区三区| av在线不卡顿| 国产在线精品成人一区二区三区| 午夜视频在线看| 欧美日韩电影在线播放| 免费三级在线观看| 国产成人鲁色资源国产91色综| 国产黄色激情视频| 日韩精品亚洲aⅴ在线影院| 欧美一区二区三区免费观看| 欧美精品久久久久久久久久丰满| 色88888久久久久久影院按摩| 亚洲黄色小说视频| 久久电影国产免费久久电影| 国产日产欧美一区二区| 国内视频在线精品| 日韩美女毛茸茸| 天堂а√在线官网| 日韩美女天天操| 亚洲午夜18毛片在线看| 欧美激情一区在线观看| 免费网站在线观看黄| 黄色在线成人| 欧美日韩综合网| 9999精品| 欧美一区二区三区免费视| 91看片在线观看| 精品久久一区二区三区| 久久夜色精品国产噜噜亚洲av| 国产精品视频第一区| 91视频免费入口| 久久精选视频| 喜爱夜蒲2在线| 亚欧日韩另类中文欧美| 国产一区欧美二区三区| av在线视屏| 中文字幕久热精品在线视频| 亚洲精品久久久久久久久久久久久久| 精品久久久久久久久久| 色偷偷www8888| 99久久er热在这里只有精品15| 三级视频中文字幕| 亚洲伦理精品| 在线观看日韩片| 天天久久夜夜| 91在线中文字幕| 视频在线日韩| 97久久精品国产| www.久久ai| 亚洲性av网站| 熟妇高潮一区二区高潮| 欧美一区二区三区在线观看| 国产又黄又猛又粗又爽| 亚洲美腿欧美偷拍| 亚洲午夜精品久久久久久高潮| 成人激情av网| 涩多多在线观看| 日韩av电影天堂| 黄色成人在线看| 中文字幕人成人乱码| 日本视频一区二区不卡| 久久影院资源站| 99久热re在线精品视频| 欧美亚洲二区| 国产精品第8页| xxxxxx欧美| 亚洲2020天天堂在线观看| 精精国产xxxx视频在线| 一个人看的www久久| 欧洲亚洲精品视频| 亚洲成人教育av| 亚洲AV无码精品色毛片浪潮| 欧美日韩精品一区二区三区蜜桃 | 欧美性色黄大片| 圆产精品久久久久久久久久久| 亚洲精品免费视频| www深夜成人a√在线| 国产精品久久毛片av大全日韩| 国产精品扒开腿做爽爽| 97aⅴ精品视频一二三区| 日本不卡视频一区| 成人精品鲁一区一区二区| 韩国三级在线播放| 国产精品中文欧美| 日日夜夜精品视频免费观看| 久久99久国产精品黄毛片色诱| 国产天堂在线播放| 天堂久久久久va久久久久| 欧美精品色婷婷五月综合| 99在线热播精品免费99热| 免费看日本毛片| 西西人体一区二区| 无码人妻丰满熟妇区五十路百度| 久久国产日韩| 欧美黄色性生活| 老司机精品视频导航| 中文字幕永久有效| 国内精品伊人久久久久影院对白| 日本一本在线视频| 国产精品一区在线| 在线免费看黄色片| 99国产精品久久久久| 波多野结衣福利| 欧美国产激情一区二区三区蜜月| 日本猛少妇色xxxxx免费网站| 中文字幕不卡在线播放| 国产精品视频一区二区在线观看 | 国语对白永久免费| 在线中文字幕一区| 亚洲系列第一页| 欧美成人一区二区三区在线观看| 亚洲精品无码久久久| 亚洲欧美国产精品| 77导航福利在线| 欧美另类交人妖| 蜜桃av.网站在线观看| 热re99久久精品国产66热| 成人黄色免费观看| 成人在线精品视频| 国内精品免费| 日韩av影视| 欧美日韩久久| 男女av免费观看| 狠狠色丁香久久婷婷综| 人妻 丝袜美腿 中文字幕| 久久久久久**毛片大全| 182在线观看视频| 亚洲网友自拍偷拍| 无码人妻精品一区二区三区蜜桃91 | 国产美女视频免费| 日韩网站在线| 免费一区二区三区在线观看 | 久久久久亚洲AV成人无在 | 日韩午夜在线视频| 国内高清免费在线视频| 国产精品xxx视频| 亚洲日本va中文字幕| 欧美日韩一区二区三区在线视频| 在线观看国产精品入口| 欧美日韩亚洲一| 国产一区啦啦啦在线观看| 蜜臀av一区二区三区有限公司| 亚洲欧洲av另类| 亚洲天堂av片| 精品久久五月天| eeuss影院在线观看| 97热精品视频官网| 亚洲午夜国产成人| 免费看成人片| 欧美高清一区| 天天干天天操天天玩| 99国产一区二区三精品乱码| 免费国产羞羞网站美图| 91国在线观看| 日韩有码第一页| 九九热精品视频国产| 国产精品麻豆成人av电影艾秋| 精品国产免费人成电影在线观...| 91精品一区二区三区综合| 国产精品第12页| 不卡av免费在线观看| 九九视频在线免费观看| 欧美日韩免费观看一区二区三区| 奇米影视888狠狠狠777不卡| 欧美精品福利在线| 精品视频在线观看免费观看| 色视频一区二区三区| 亚洲一区二区三区高清不卡| wwwww在线观看| 亚洲美女免费在线| 夜夜嗨av禁果av粉嫩avhd| 亚洲欧洲日产国码av系列天堂| h片在线观看视频免费免费| 97超碰人人模人人爽人人看| 国产精品久久久久无码av| 性欧美极品xxxx欧美一区二区| 久久伊99综合婷婷久久伊| 国内免费精品视频| 亚洲国产成人久久综合一区| 欧洲性视频在线播放| 波多野结衣一区二区三区在线观看| 亚洲九九在线| 久久久久久久久久久久久久久国产| 中文字幕高清一区| 中文字幕有码视频| 中文字幕亚洲天堂| 欧洲精品久久久久毛片完整版| 亚洲成色www久久网站| 日韩专区一卡二卡| 免费看污片的网站| 欧美在线999| 1769在线观看| 成人做爰www免费看视频网站| 天堂网在线观看国产精品| 午夜一区二区视频| 亚洲视频免费在线| 99在线小视频| 国模精品视频一区二区三区| 国产区精品视频在线观看豆花| 国产av天堂无码一区二区三区| youjizz久久| 免费看毛片网站| 伊人久久五月天| 亚洲欧美久久精品| 成人国产在线看| 99免费精品视频| 久久久黄色大片| 视频直播国产精品| 精品视频一区二区三区在线观看 | 国产精品精品软件男同| 欧美一三区三区四区免费在线看| 日本天码aⅴ片在线电影网站| 国产伦一区二区三区色一情| 奶水喷射视频一区| 亚洲色图第四色| 欧美成人精品福利| 午夜不卡影院| 亚洲三级一区| 成人午夜电影小说| 色av性av丰满av| 久久视频在线视频| 免费成人蒂法| 中文字幕在线综合| 亚洲一区二区av在线| 精品视频一二三| 亚洲影院在线看| 欧美一级专区| 99久久99久久精品国产| 亚洲激情在线观看| 日日夜夜一区| 欧美 日韩 亚洲 一区| 国产精品伦理在线| 农村少妇久久久久久久| 国产不卡一区二区在线播放| 婷婷亚洲五月色综合| 国产伦精品一区二区三区妓女| 欧美精品777| 丝袜诱惑一区二区| 久久视频免费在线| 久久精品欧美一区二区三区不卡| 99精品国产99久久久久久97| 人妖精品videosex性欧美| 中文无码久久精品| 免费网站在线高清观看| 精品久久人人做人人爽|