很可惜 T 。T 您現(xiàn)在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會有專人和您聯(lián)系
咨詢?nèi)绾纬蔀榇河鹱髡哒埪?lián)系：鳥哥筆記小羽毛（ngbjxym）
新智元報(bào)道
編輯：好困 LRS
【新智元導(dǎo)讀】AAAI 2022剛要落下帷幕就又被掀起來了！大連理工本科生一作論文中稿，本該是件值得慶祝的事，但有網(wǎng)友發(fā)現(xiàn)了論文中的致命漏洞：聲稱的無監(jiān)督方法竟然引入了標(biāo)簽！這讓無數(shù)被拒的論文情何以堪？導(dǎo)師及二作都出面澄清將會補(bǔ)充實(shí)驗(yàn)，但一作仍未公開發(fā)聲。
頂會AAAI 2022的慘烈程度，各位投稿人一定心有體會，近萬篇投稿只有15%的錄取率，無數(shù)全positive的優(yōu)秀工作被錄取率卡掉。
然而……
「有的時(shí)候中了不一定是好事，不中也不一定是壞事?！?/strong>
最近知乎上的一個(gè)問題如平地驚雷，將本已緩緩落幕的AAAI 2022又拉回大眾的視線。
在這篇AAAI 2022中稿論文中介紹了一個(gè)無監(jiān)督的行人重識別（Re-identification, Re-ID）技術(shù)，效果之好讓相同領(lǐng)域的研究人員直呼絕望，性能直逼有監(jiān)督，以一己之力把無監(jiān)督的Re-ID技術(shù)抬到了天花板。
這就是頂會強(qiáng)者嗎？恐怖如斯！
原來如此強(qiáng)的論文才能入選頂會，那自己的論文被拒也是在情理之中。
但抱著學(xué)習(xí)的態(tài)度繼續(xù)深入看這篇論文的時(shí)候，越看越有點(diǎn)不對勁。作者將某些真實(shí)標(biāo)簽數(shù)據(jù)誤認(rèn)為是先驗(yàn)知識輸入到模型中了，從原理上來說這已經(jīng)不是無監(jiān)督了，而是實(shí)實(shí)在在的有監(jiān)督。
難道，又是學(xué)術(shù)不端？還是學(xué)藝不精？
啥是行人重識別？
首先科普一下這個(gè)行人重識別（Re-ID）是什么東西。
在監(jiān)控視頻中，由于相機(jī)分辨率和拍攝角度有限，通常無法得到高質(zhì)量的人臉圖片。當(dāng)人臉識別失效的情況下，Re-ID就成為了一個(gè)非常重要的替代品技術(shù)。
行人重識別（Person/Pedestrian Re-Identification）是利用計(jì)算機(jī)視覺技術(shù)判斷圖像或者視頻序列中是否存在特定行人的技術(shù)。
行人重識別可以被認(rèn)為是一個(gè)圖像檢索的子問題，給定一個(gè)監(jiān)控行人圖像，檢索跨設(shè)備下的該行人圖像，從而彌補(bǔ)固定的攝像頭的視覺局限。
行人重識別可與行人檢測/行人跟蹤技術(shù)相結(jié)合，并廣泛應(yīng)用于智能視頻監(jiān)控、智能安保等領(lǐng)域。
其中，行人重識別一個(gè)非常重要的特性就是「跨攝像頭」，所以評價(jià)一篇學(xué)術(shù)論文所取得的性能如何，是要檢索出不同攝像頭下的相同行人圖片。
目前，大多數(shù)的無監(jiān)督行人重識別（Re-ID）技術(shù)都采用了迭代聚類機(jī)制。其pipeline大致可以分為三個(gè)部分:
特征提取，在每一個(gè)epoch開始的時(shí)候，通過網(wǎng)絡(luò)將訓(xùn)練數(shù)據(jù)集中圖片的特征都提取出來。
聚類，通過傳統(tǒng)的聚類方法如DBScan, KNN通過特征把圖片聚成不同的類別，每個(gè)類別給一個(gè)標(biāo)簽，就是用來訓(xùn)練的偽標(biāo)簽。一開始的偽標(biāo)簽是很不準(zhǔn)的，在訓(xùn)練的過程中，隨著網(wǎng)絡(luò)的精度越來越高，偽標(biāo)簽也會越來越接近真實(shí)標(biāo)簽。
圖片特征的存儲和更新，在網(wǎng)絡(luò)訓(xùn)練的過程中，隨著網(wǎng)絡(luò)參數(shù)的變化，圖片的特征也需要進(jìn)行對應(yīng)的更新。
這篇備受爭議的文章主要研究的就是第二步，作者提出了一個(gè)新型的聚類關(guān)系建模框架。也就是在聚類之前，使用基于圖相關(guān)學(xué)習(xí)（graph correlation learning, GCL）模塊來探索未標(biāo)記圖像之間的關(guān)系，然后將提煉出的特征用于聚類，從而生成高質(zhì)量的偽標(biāo)簽。
https://arxiv.org/abs/2112.01839v1
具體來說就是GCL模塊的輸入是一個(gè)樣例圖像和它的相鄰圖像，因?yàn)橄噜張D像和樣例比較相似，所以聚類的效果就會有所提升。
關(guān)鍵來了，如何判斷兩個(gè)圖像是否相似，并讓他們相鄰？
作者表示他們采用了一個(gè)眾所周知、常用的方法：把所有的圖像按照「圖像名」排序，然后把相鄰圖像輸入GCL就好了。
可能不懂Re-ID的人此刻已經(jīng)被蒙混過去了，使用了一個(gè)「眾所周知」的排序方法作為先驗(yàn)知識，加上文章提出的GCL模塊，效果提升了。
你說，是不是GCL的功勞？
可惜，太多科學(xué)論文折在了這個(gè)「眾所周知」上！
「圖像名」在Re-ID任務(wù)上和標(biāo)簽和標(biāo)簽無異。論文中使用的dukemtmc和market1501數(shù)據(jù)集中，圖片就是以ID進(jìn)行命名的。
每個(gè)圖像名的寫法都是「PersonID_CameraID_其他信息.jpg」，所以如果按照圖像名排序的結(jié)果就是相同人物都已經(jīng)按照順序排列好了。
圖名=人名，順序排列，相鄰圖像，GCL，聚類。。。等等，你是無監(jiān)督？
并且論文在行文的過程中似乎也刻意避開描述排序過程中利用的信息。
在正文中作者只是表示他們沒有直接使用特征提取器的輸出進(jìn)行聚類，而是首先對訓(xùn)練數(shù)據(jù)集中的樣本之間的關(guān)系進(jìn)行建模。
由于為整個(gè)數(shù)據(jù)集建立一個(gè)graph是非常耗時(shí)耗力的，所以作者選擇以批處理的方式構(gòu)建一系列的small graph。如（a）和（b）所示，由于一個(gè)偽標(biāo)簽通常由多個(gè)實(shí)例組成，當(dāng)不同身份的圖像被認(rèn)為是同一類別時(shí)，會降低Re-ID的性能。
在這項(xiàng)工作中，GCL模塊被用來重構(gòu)mini-batch的樣本表征，如（c）所示。通過這種方式，我們不僅提高了聚類的質(zhì)量，也減輕了聚類錯(cuò)誤的影響。
可以看到，描述過程中作者完全沒有提到GCL模塊所依據(jù)的信息（訓(xùn)練數(shù)據(jù)的文件名，也就是訓(xùn)練數(shù)據(jù)的標(biāo)簽），轉(zhuǎn)而描述了GCL模塊中使用的兩個(gè)trick，對于沒有認(rèn)真看method部分的審稿人來說，可能就會認(rèn)為文章中的GCL貢獻(xiàn)確實(shí)很大。
作者在三個(gè)基于圖像的人物識別基準(zhǔn)上與SOTA的方法進(jìn)行了比較，結(jié)果顯示，論文提出的方法不僅刷新了無監(jiān)督的SOTA，甚至超過了部分有監(jiān)督學(xué)習(xí)。
Market1501數(shù)據(jù)集，R1為94.8%，mAP為87.5%。與目前公布的最佳方法ICE相比，在R1精度和mAP上分別取得了1.0%和5.2%的提升。
DukeMTMC-reID數(shù)據(jù)集，與考慮了訓(xùn)練期間相機(jī)變化的方法CAP相比，在R1和mAP方面提高了6.5%和12.7%。
在具有挑戰(zhàn)性的MSMT17數(shù)據(jù)集上，mAP也取得了49.0%的好成績，R1則為74.2%，在mAP和R1上超過CC16.7%和10.9%。
這種高性能表明論文提出的方法可以幫助生成高質(zhì)量的偽標(biāo)簽，減少聚類錯(cuò)誤的影響。
與包括PCB、ABDNet、FlipReID和AAformer等有監(jiān)督的方法相比，作者提出的無監(jiān)督方法仍具有競爭力。
雖然在具有挑戰(zhàn)性的MSMT17上，有一定的性能差距。但是整體而言都取得了比有監(jiān)督PCB更好的性能。
但是，從消融實(shí)驗(yàn)的結(jié)果上來看，性能基本全依靠Cluster Refinement（CR），也就是論文提出的GCL。
其中，「SCL 」指選擇性對比學(xué)習(xí)；「CR」指通過GCL進(jìn)行聚類重構(gòu)；「NS」指噪聲抑制。
如果說，CR是論文中最重要的Component，而這里又存在標(biāo)簽泄漏的問題，那……
二作Chenyang Yu就這些問題作出了公開回應(yīng)。
首先，關(guān)于利用圖像名排序問題。
本文是基于DBSCAN的無監(jiān)督聚類方法，第一步是根據(jù)ResNet-50提取整個(gè)訓(xùn)練集的特征，如DukeMTMC-reID上16522x2048 (樣本個(gè)數(shù)x向量維數(shù)) ，然后計(jì)算Jaccard距離，得到16522x16522的相似度矩陣。
根據(jù)這個(gè)相似度矩陣，DBSCAN算**給每一張圖片分配偽標(biāo)簽。
在這個(gè)過程中，使用圖像名的排序與不排序并不會影響16522x16522相似度矩陣的計(jì)算，因?yàn)槊繌垐D片都會與整個(gè)訓(xùn)練集的圖片計(jì)算相似性，因此生成的偽標(biāo)簽是一樣的。
另外，我們在做實(shí)驗(yàn)的時(shí)候也有不需要排序的改進(jìn)版本，即二次聚類方法：
第一次聚類就按照基線方法，根據(jù)ResNet-50提取整個(gè)訓(xùn)練集的特征16522x2048 (DukeMTMC-reID上)，得到相似度矩陣進(jìn)行DBSCAN聚類，得到偽標(biāo)簽。因?yàn)镈BSCAN聚類會有-1標(biāo)簽，我們根據(jù)最近鄰的方法，給每個(gè)-1標(biāo)簽分配其最近鄰對應(yīng)的偽標(biāo)簽，從而完成整個(gè)訓(xùn)練集的偽標(biāo)簽分配。一旦完成，那么我們就可以對每個(gè)偽標(biāo)簽的所有圖片，構(gòu)建圖，進(jìn)行消息傳遞，得到優(yōu)化后的特征。
第二次聚類，與之前的描述一樣，我們再將這個(gè)優(yōu)化后的特征與原始特征級聯(lián)，得到16522x4096的特征。接著與基線方法一樣計(jì)算16522x16522的相似度矩陣，根據(jù)這個(gè)相似度矩陣，DBSCAN算**給每一張圖片分配偽標(biāo)簽。
并且其中一個(gè)審稿人明確「質(zhì)疑」了圖像名字包含ID信息并不是一類先驗(yàn)知識。針對審稿人的提問，作者在rebuttal中表示如果只用聚類算法而不用GCL是不會帶來性能提升的。并且為了讓方法更可信，換了一種聚類方法，mAP指標(biāo)立刻掉了1.2%。
所以審稿人被說服了。
以上為回復(fù)節(jié)選
就職于大連理工大學(xué)人工智能學(xué)院、信息與通信工程學(xué)院的副教授張平平，也是這篇論文的通訊作者也做出了實(shí)名回應(yīng)。
論文投稿和rebuttal經(jīng)過學(xué)生已在（https://www.zhihu.com/question/504163027/answer/2261562294）中回復(fù)，arXiv論文是投稿版本，并未包含rebuttal補(bǔ)充的修改與實(shí)驗(yàn)；
正在全面的做random shuffle setting的實(shí)驗(yàn)，將在第一時(shí)間（不晚于12月18日）做好實(shí)驗(yàn)說明和分析再來更新答復(fù)；
完成相關(guān)試驗(yàn)后，在camera-ready截止日期前根據(jù)新的結(jié)論和rebuttal階段的討論內(nèi)容跟AAAI主席溝通是否撤稿。
目前，作者已經(jīng)把論文從arXiv上刪除。
有人認(rèn)為這審稿人肯定是嚴(yán)重失職了，但凡專業(yè)一點(diǎn)，看見這么高的performance，不仔細(xì)看下方法實(shí)現(xiàn)？
但從評審結(jié)果來看，5個(gè)審稿人員中有兩個(gè)人都給了negative，所以大概率這個(gè)鍋得meta reviewer來背。
還有人表示「作者心真大，不怕舉報(bào)，也不在乎學(xué)術(shù)前程」。
也有網(wǎng)友的觀點(diǎn)認(rèn)為這就是變相造假！沒有補(bǔ)充實(shí)驗(yàn)的話最好還是撤稿，讓大家體面地結(jié)束。
本科生參與科研是對是錯(cuò)？
文章的第一作者賈某目前還未就此事公開回復(fù)，想必此刻他也是面臨巨大的心理壓力，也許最終的實(shí)驗(yàn)結(jié)果還能挽救一下這篇瀕臨撤稿的論文。
這篇論文最大的遺憾與驚喜都來自于第一作者，他剛剛進(jìn)入大三階段的學(xué)習(xí)，沒有經(jīng)過多年的學(xué)術(shù)鍛煉就中了一篇多少人夢寐以求、求而不得的頂會論文。
年少有為，也意味著沒有太多經(jīng)驗(yàn)，一篇論文下隱藏著巨大的風(fēng)險(xiǎn)。
隨著越來越多的本科生進(jìn)入科研領(lǐng)域，科學(xué)這個(gè)神圣的領(lǐng)域也進(jìn)入尋常百姓家，寫出的論文質(zhì)量也是良莠不齊。
這個(gè)知乎問題下可以看到無數(shù)優(yōu)秀本科生的科研經(jīng)歷，但并不是所有本科生的成果都對科學(xué)這座大廈產(chǎn)生著正面影響。
如何對論文嚴(yán)格把關(guān)，也是科學(xué)研究發(fā)展到下一階段需要著重思考的問題。
參考資料：
https://www.zhihu.com/question/504163027
https://baike.baidu.com/item/行人重識別/20815009
本文部分引用「羅浩.ZJU」、「水母沙拉」和匿名回答
https://zhuanlan.zhihu.com/p/31921944
https://www.zhihu.com/question/504163027/answer/2261199211
導(dǎo)師回應(yīng)：
https://www.zhihu.com/question/504163027/answer/2261562294
二作回應(yīng)：
https://www.zhihu.com/question/504163027/answer/2261562294
-END-
本文為作者獨(dú)立觀點(diǎn)，不代表鳥哥筆記立場，未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責(zé)申明》 如對文章、圖片、字體等版權(quán)有疑問，請點(diǎn)擊 反饋舉報(bào)
我們致力于提供一個(gè)高質(zhì)量內(nèi)容的交流平臺。為落實(shí)國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評論自律管理，為了保護(hù)用戶創(chuàng)造的內(nèi)容、維護(hù)開放、真實(shí)、專業(yè)的平臺氛圍，我們團(tuán)隊(duì)將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺的內(nèi)容進(jìn)行管理。平臺鼓勵(lì)用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時(shí)也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護(hù)法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進(jìn)行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權(quán)，破壞國家統(tǒng)一，損害國家榮譽(yù)和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽(yù)、榮譽(yù)；
4)宣揚(yáng)恐怖主義、極端主義或者煽動實(shí)施恐怖活動、極端主義活動；
5)煽動民族仇恨、民族歧視，破壞民族團(tuán)結(jié)；
6)破壞國家宗教政策，宣揚(yáng)邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚(yáng)淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動非法集會、結(jié)社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽(yù)、隱私和其他合法權(quán)益；
11)通過網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對未成年人實(shí)施侮辱、誹謗、威脅或者惡意損害未成年人形象進(jìn)行網(wǎng)絡(luò)欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶及其所貢獻(xiàn)內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動成果；
2)誹謗：捏造、散布虛假事實(shí)，損害他人名譽(yù)；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進(jìn)行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應(yīng)，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進(jìn)行負(fù)面評價(jià)；
7)歧視：煽動人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗(yàn)、擾亂本網(wǎng)站秩序的內(nèi)容，或進(jìn)行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個(gè)帳號多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個(gè)廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點(diǎn)擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營銷內(nèi)容，如通過偽造經(jīng)歷、冒充他人等方式進(jìn)行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗(yàn)的細(xì)節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚(yáng)低俗、庸俗、媚俗內(nèi)容。
5. 不實(shí)信息，主要表現(xiàn)為：
1)可能存在事實(shí)性錯(cuò)誤或者造謠等內(nèi)容；
2)存在事實(shí)夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容；
3)偽造身份、冒充他人，通過頭像、用戶名等個(gè)人信息暗示自己具有特定身份，或與特定機(jī)構(gòu)或個(gè)人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測字、占卜、解夢、化解厄運(yùn)、使用迷信方式治??；
2)求推薦算命看相大師；
3)針對具體風(fēng)水等問題進(jìn)行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運(yùn)勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標(biāo)題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導(dǎo)用戶；
2)內(nèi)容與標(biāo)題之間存在嚴(yán)重不實(shí)或者原意扭曲；
3)使用夸張標(biāo)題，內(nèi)容與標(biāo)題嚴(yán)重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導(dǎo)未成年人應(yīng)援集資、高額消費(fèi)、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點(diǎn)」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的；
2)不當(dāng)評述自然災(zāi)害、重大事故等災(zāi)難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動發(fā)現(xiàn)和接受用戶舉報(bào)兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當(dāng)一個(gè)用戶發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴(yán)重程度，對帳號進(jìn)行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當(dāng)涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個(gè)帳號發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺管理經(jīng)驗(yàn)的不斷豐富，本網(wǎng)站出于維護(hù)本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網(wǎng)站進(jìn)行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)