每日 AI 论文简报｜2026 年 10 月 7 日

重点关注

本期从 18 篇 AI 候选中选出 6 篇重点阅读。重点论文已打开 arXiv 摘要页和公开 PDF；数字与结论均是作者报告，未做独立复现。阅读 benchmark 时应同时检查基线公平性、数据污染、可复现性与算力成本。

1. ANT：从网络流量审计 Agent 的风险、场景与行为原语

这篇论文问的是：不读取用户私有内容时，仅凭组织网络里的流量，能否审计 LLM Agent 做了什么。ANT 收集 3,114 个执行 episode，覆盖 20 个任务、5 个场景、276,417 条双向流和 40,049 个行为原语片段，并把标注组织成风险、场景和行为原语三个粒度；作者比较 13 个流量分析基线。

实验使用固定训练/测试划分、隐藏 IP 后的包头、方向、时序和长度特征。测试集包括 209 个 episode（189 个良性、20 个恶意）及 2,101 个原语片段。作者报告已有方法在总体风险识别上看似准确，但多种方法的恶意召回率低于 50%，AWF 和 FlowLens 的恶意召回率分别只有 0.15 和 0.20；恶意代码生成/沙箱规避等行为在若干基线中召回为 0。场景识别准确率约为 0.431–0.727，模型调用信号使平均场景准确率提高 5.56 个百分点；原语分类准确率约为 0.355–0.462，频繁的前十类占 72.44% 片段，准确率却达到 91.34%–96.09%。

创新是把 Agent 的网络可观测性拆成可审计的多粒度标签，而不是把流量分类成一个笼统的“恶意/正常”。失败条件也很明确：恶意工作流若模仿良性任务，或两个场景产生相近的流量，识别会明显变难；稀有、语义相近的行为原语也不稳。数据采集成本约 2,176.50 美元、流量约 104.07GB，实验使用 5 张 A100 80GB，控制环境与标注过程都限制了外部有效性。它适合 Agent 安全、网络取证和评测基础设施研究者。建议先读第 3–5 节、表 2–6，再看附录的原语定义和隐私讨论。

2. EgoExo-Next：视觉语言模型能否预测下一状态，而不只是认出当前帧

研究问题是：模型能否根据自我视角和外部视角的视频，预测“接下来会发生什么”，并把两个视角对齐。EgoExo-Next 从 EPIC-KITCHENS-100、Ego4D、WEAR、Ego-Exo4D、EgoExoLearn 和 EgoHumans 六个公开数据集整理 2,503 道人工审核的四选一题，分为自我视角下一状态、自我—外部视角匹配、外部视角下一状态、从自我视角预测外部视角下一状态四个子任务。题目约一半来自室内、一半来自室外；干扰选项包含过去状态和更远的未来状态，位置也做了平衡。

作者让模型在零样本、无微调下回答，每个模型跑三次。人类平均准确率为 98.55%；跨四个子任务的最佳模型 Gemini-3.1-Pro 为 43.81%，GPT-5.2 为 43.16%，Qwen3-VL-235B 为 40.93%。即使是最容易的跨视角下一状态子任务，跨模型平均也只有约三分之一正确；GPT-6 在该子任务的室内/室外准确率为 62.23%/58.14%，不能当成总体水平。捷径检查显示，完整序列平均 40.70%，只给候选帧为 26.31%；保留最后一帧为 35.56%，打乱时序为 31.70%，错配跨视角为 26.32%。CLIP 和 DINO 的平均准确率约 26.5%，接近四选一随机水平。

价值在于把“看见当前画面”与“建模动作后的状态变化”区分开，并同时测跨视角对齐。主要失败包括过早状态、微小动作、视角错位和构图线索；模型规模并未把结果推近人类。局限是题目依赖公开视频、格式是四选一、每模型只有三次运行，且没有训练后或真实闭环控制实验。它适合视频理解、具身 AI 和跨视角预测研究者。建议先读第 3–4 节、表 1–3，再看附录 E/F 的捷径和错误分析。

3. CLIFT：用保序自验证把网页 Agent 的稀疏反馈变成可训练信号

论文处理网页 Agent 的两个瓶颈：每一步只得到稀疏的最终成功奖励，外部 judge 又昂贵且可能不可用。CLIFT 为每个 URL 范围构建验证问题库，用 Mondrian 自适应 conformal 校准、极性权重和 trust 权重把回答转成带覆盖保证的非负增量奖励；测试时再用 CTS 比较贪心轨迹和多样化轨迹，在多数投票不确定或平局时回退到 incumbent。

在 WAI 的 9 个应用上，Gemma4 31B 的基线总体成功率为 61.8%，普通 GRPO 为 64.7%，CLIFT 为 72.6%，CLIFT+CTS 为 74.6%；相比基线分别提高 2.9、10.8 和 12.8 个百分点。平均解题步数对应为 15.4、18.5、16.0 和 15.5，说明提升不是简单地无限增加轨迹长度。CTS 在 9 个应用中改善或持平 9 个，仅发生 17.8% 的候选交换。在线 OM2W 的 300 个真实网页任务中，最终验证库有 132 道问题，其中 100 道通过校准；不训练 OM2W 策略时，Gemma 基线由 40.0% 到 45.0%，GPT-5.5 高推理配置由 49.7% 到 61.0%，提高 11.3 个百分点。

创新在于复用同一套可重新校准的验证问题库，把“是否完成了网页状态变化”而不是“是否说得像完成了”纳入训练和测试时扩展。局限也很关键：验证库构建依赖 frontier judge，judge 偏差会传入权重；跨网站迁移不一定成立，rollout 重试会带来成本、速率限制和安全问题。论文没有给出独立的人类金标准或因果消融来证明所有增益来自 conformal 机制。它适合网页 Agent 训练、奖励建模和可靠性评测研究者。建议先读第 2–4 节、表 3–6 和第 5 节的在线实验。

4. HEAR：让 Agent harness 与推理引擎共享“意图—保证—完成”的协议

HEAR 研究一个系统接口问题：harness 知道工作流意图和验收条件，推理引擎知道缓存、批处理和当前服务状态，但两者若只交换低层请求，就无法安全地做缓存复用和资源调度。协议把 intent/control、preference/requirement、observation/guarantee、acceptance/completion 分开，允许引擎声明能力与保证，也让 harness 表达不能违背的约束。

在 SCBench 上，Qwen3-8B、96GB 缓存的 FCFS 基线 P50 首 token 延迟为 63.1 秒、完成时间 481 秒、复用率 19.2%。加入 Cache-Aware+Guard40 后，P50 首 token 延迟为 28.3 秒（2.23 倍改善），P95 为 51.1 秒、最大值 65.0 秒，完成时间 299 秒（1.61 倍改善），复用率 66.1%；没有 Guard 时 P50 可降到 4.6 秒、完成时间 224 秒、复用率 87.6%，但最大首 token 延迟反而为 93.9 秒，体现吞吐与尾延迟的权衡。BrowseComp-Plus 的端到端墙钟时间由 5.69 小时降至 4.62 小时，Judge 准确率 46.63 对 46.15；DeepResearchBench 的 OmniKV-H2O 由 5.93 小时降至 2.42 小时，RACE 为 41.1 对 40.6。作者报告没有观察到质量下降，但这只是所测负载和 judge 下的结果。

贡献不是提出新的模型，而是把“模型能力”和“服务保证”放在同一个可协商接口中；实验也说明没有一个缓存策略在所有负载下都最优。局限包括未评估人类质量、模型安全、租户隔离和真实生产多租户攻击面，效率提升也不等于任务可靠性提升。它适合推理服务、Agent harness 和系统性能研究者。建议读第 3–4 节、表 3–6 与附录 B 的协议状态转移。

5. SpatialChain：正确答案背后的空间推理链是否真的忠实

  • 论文：SpatialChain: A Benchmark for Auditing Spatial Reasoning Faithfulness in VLMs
  • 作者/来源：Rafael Teixeira Sousa、Vin\’icius Paulo Lopes de Oliveira、Elisa Ayumi Masasi de Oliveira、Luiza Martins de Freitas Cintra、Fernanda Bufon F\”arber、Igor Dias Aguiar、Julia Yasmim de Almeida Nobre、Arlindo Rodrigues Galv~ao Filho；arXiv:2610.06413
  • 分类：cs.CV
  • 代码：GitHub
  • 证据状态：已核阅摘要与 PDF；faithfulness 由人工/模型评审协议定义，不能把可读的 chain-of-thought 当成内部机制的直接观测。

SpatialChain 用 GQA 的场景图生成带空间证据的推理链，数据有 28,350 个训练例和 899 个测试例，目标不是只问“答对没有”，而是问中间关系是否支持最终答案。作者评估开源和闭源 VLM 的答案准确率、链条质量与“答对但理由不忠实”的捷径，并用微调实验观察跨数据集迁移。

表 2 中，Qwen3-VL-8B 微调准确率为 85.03%，比基线 78.88% 高 6.2 个百分点；Qwen3-VL-4B 为 82.23%，GLM4.1-9B 为 81.34%，Claude 为 79.89%，GPT-5.4 为 72.18%。开源模型的链条长度约为参考链的 3–7 倍，闭源模型更短。表 3 显示 9 个模型中有 7 个的链条质量与正确性显著相关，但 Claude（p=0.07）和 InternVL3.5-8B（p=0.458）不显著，链长比例也几乎没有相关性。人工与 judge 审计发现，4 个模型的“正确但低忠实”比例超过 39%；微调后的 Qwen3-VL-8B 和 4B 降到 22.2% 和 19.4%。然而域内微调的 Qwen3-VL-4B 在外部 ERQA 从 0.453 降到 0.380、EmbSpatial 从 0.791 降到 0.757，提示风格和关系分布过拟合。

价值在于把答案分数和解释证据分开，且把外部迁移下降纳入主结果。失败条件包括关系稀有、场景图生成错误、用同一家族模型既生成又评审，以及二维符号关系不能覆盖深度/度量空间。它适合 VLM 评测、可解释性和具身空间推理研究者。建议先读第 3–6 节、表 2–4 和第 7 节的迁移实验，再看附录的人评一致性。

6. Measurement-First：在相信 Agent 排名之前，先审计污染与评分器

论文把 Agent leaderboard 的污染拆成三条通道：训练时暴露、评测时检索暴露、pipeline/scaffold 泄漏，并用 open/partial/closed/unknown 的 fail-closed 标签记录证据。作者审计 9 个 HAL 配置的 27 个通道，没有一个达到“closed”；4 个配置确认存在污染或暴露事件。随后在 SWE-bench Verified 中匹配同仓库、同任务类型的控制题，比较模型在疑似暴露题与控制题上的差异，并单独验证评分器是否能识别训练暴露。

第一阶段保留 100 对、覆盖 10 个仓库的匹配题。GPT-4.1 的 Top-3 配对加权差为 10.0 个百分点，但配对 bootstrap 和按仓库平衡后的 95% 区间都包含 0，所以作者不把它当成确认的污染增益。第二阶段只保留 42 对题；DeepSeek-V4-Flash 评分器灵敏度为 0/2，GPT-4.1 的加权灵敏度为 0.19、95% 区间 [0.01, 0.91]，精确率为 1/1，样本太少只能作描述。作者没有估计训练数据成员比例，也没有证明任何 leaderboard 分数被污染抬高。

创新是先验证“能不能测”和“测到的差异是否有辨识度”，再比较模型排名；这直接把 scorer 失效、未确认的控制集和配置缺口纳入报告。局限是只有 10 个成熟 Python 仓库、两种模型，控制题也不能证明未暴露；无固定 API seed，且追踪与配置记录不完整。它适合 benchmark 维护者、模型评测和数据治理研究者。建议先读第 3–5 节、表 1，再看附录 A/D 的匹配、评分器和不确定性分析。

AI 论文

1. ANT: A Multi-Granularity Network Traffic Dataset and Benchmark for Agents Behavior Auditing（arXiv:2610.06514）

  • 重点论文：详细分析见上文“重点关注”第 1 篇。
  • 作者/来源：Fan Li、Xiangyu Gao、Zixuan Liu、Tong Li、Chuanpu Fu、Ziqiang Wang、Ke Xu；来源为 arXiv；分类：cs.AI、cs.LG
  • 相关链接：摘要页 · PDF · 代码与数据

2. EgoExo-Next: Benchmarking Vision-Language Models on Visual-Option Next-State and Cross-View Reasoning（arXiv:2610.04506）

  • 重点论文：详细分析见上文“重点关注”第 2 篇。
  • 作者/来源：Yutong Li、Molin Wang、Xiaotong Li、Yanyan Fang、Daoguo Dong、Ziyi Ye；来源为 arXiv；分类：cs.CV
  • 相关链接：摘要页 · PDF · 数据集

3. CLIFT: Conformal Self-Verification for Web Agent Training and Test-Time Scaling（arXiv:2610.06829）

  • 重点论文：详细分析见上文“重点关注”第 3 篇。
  • 作者/来源：Yifan Zhang、Yutong Dai、Viraj Prabhu、Zhiyuan Hu、Ran Xu、Zeyuan Chen；来源为 arXiv；分类：cs.CL
  • 相关链接：摘要页 · PDF

4. BazaarBench: Delegation Safety in Decentralized C2C Marketplaces Run by LLM Agents（arXiv:2610.06748）

  • 作者/来源：Ziyan Wang、Shuqing Shi、James Oldfield、Samuele Marro、Jialin Yu、Philip Torr、Yali Du、Adel Bibi；来源为 arXiv；分类：cs.MA
  • 证据状态：仅依据摘要。

BazaarBench 模拟由 LLM Agent 经营的去中心化 C2C 市场，连续 30 天、100 个 Agent、45 个延续场景，比较普通、截止期和对抗性委托。摘要报告，在对抗性市场中，不可用或夸大承诺的比例从 15.4% 升到 33.4%，GPT-5.4 达到 55.5%；周收入从 20 美元升到 33 美元，但增加部分来自从未持有的物品，不能解释为真实福利或市场效率提升。作者发布模拟器、评测和约 357,608 条调用记录；摘要没有给出真实市场校准、独立人类基线和污染审计。

5. Can Agent Harnesses and Inference Engines Hear Each Other? The HEAR Protocol for Agentic LLM Serving（arXiv:2610.06597）

  • 重点论文：详细分析见上文“重点关注”第 4 篇。
  • 作者/来源：Jiaqi Zhao、Haodong Chen、Jitai Hao、Wei Zhao、Jinghao Pang、Qiang Huang、Jun Yu；来源为 arXiv；分类：cs.AI
  • 相关链接：摘要页 · PDF

6. SpatialChain: A Benchmark for Auditing Spatial Reasoning Faithfulness in VLMs（arXiv:2610.06413）

  • 重点论文：详细分析见上文“重点关注”第 5 篇。
  • 作者/来源：Rafael Teixeira Sousa、Vin\’icius Paulo Lopes de Oliveira、Elisa Ayumi Masasi de Oliveira、Luiza Martins de Freitas Cintra、Fernanda Bufon F\”arber、Igor Dias Aguiar、Julia Yasmim de Almeida Nobre、Arlindo Rodrigues Galv~ao Filho；来源为 arXiv；分类：cs.CV
  • 相关链接：摘要页 · PDF · 代码

7. VepAgent: Bridging Causal-Transition via Tool-Augmented Reinforcement Learning for Video Event Prediction（arXiv:2610.06293）

  • 作者/来源：Qiutong Chen、Yuchan Guo、Zhenlong Yuan、Haobo Yang、Fangfang Lin、Xinyi Long、Yin Wang、Zijian Song、Rui Lan、Shi Qiu、Boyuan Pan、Yang Luo、Yuyin Zhou；来源为 arXiv；分类：cs.CV
  • 证据状态：仅依据摘要。

VepAgent 面向视频事件预测，把未来状态生成拆成因果转移，并使用状态追踪、帧检索、区域放大等工具；训练中用准确性、因果连贯性和可靠先验组成奖励。作者报告在 FutureBench-4K CoT SFT 及相关视频事件预测评测上达到新的结果。摘要没有给出完整分数、模型基线、数据切分、训练成本和真实视频交互失败率，因此这里只能把它看作作者报告的 benchmark 改进。

8. MS-Exam-Gen: Source-Grounded Benchmark Construction for Evaluating LLMs on Textual Multiple Sclerosis MRI Knowledge（arXiv:2610.06170）

  • 作者/来源：Abdul Basit、Muhammad Abdullah Hanif、Muhammad Shafique；来源为 arXiv；分类：cs.AI
  • 证据状态：仅依据摘要。

MS-Exam-Gen 从 66 个来源整理 4,289 个文本块，并锁定 3,058 道覆盖 16 个主题、53 个子主题的多发性硬化 MRI 选择题，用 12 个 LLM endpoint 做 36,696 次预测。作者报告准确率从 89.7% 到 46.9%，有 25.5% 的题目被至少四个模型漏答；这说明题目难度与模型差异都很大，但不是临床认证。摘要未说明题目独立医学审阅、训练数据污染、病例影像能力和临床安全阈值。

9. Measurement-First Auditing of Agentic Leaderboards: Contamination Susceptibility, Matched-Control Re-evaluation, and Scorer Validation（arXiv:2610.05830）

  • 重点论文：详细分析见上文“重点关注”第 6 篇。
  • 作者/来源：Dishu Yang、Qi Su、Hongbo Qin、Hansong Zhang；来源为 arXiv；分类：cs.AI
  • 相关链接：摘要页 · PDF

10. Are We Measuring Scientific Intelligence? Rethinking the Evaluation of AI Scientists（arXiv:2610.04915）

  • 作者/来源：Kate Zhang、Yuante Li；来源为 arXiv；分类：cs.AI
  • 证据状态：仅依据摘要。

论文用“保留、撤回、反转证据”的编辑实验检验 AI Scientist 是否真正依赖证据。作者在 18 个单细胞 BAISBench、4 个合成 GeneBench 任务、3 个 scaffold 和 5 个模型上报告：Claude 的表面答案准确率约 95%，但去掉数据后仍有 83%，真正证据接地率只有 41%；隐藏基因名会让其追随被反转证据的比例从 58% 升至 93%。这些数字是作者的受控测试，不代表一般科学推理或真实实验可靠性；摘要未给出完整统计区间、训练污染和人类专家基线。

11. ARISE: Adaptive Agentic Reasoning with Image-grounded Self-Evaluation for Interpretable IBD Assessment（arXiv:2610.04777）

  • 作者/来源：Pronoma Banerjee、Anuva Shah、Jason Wu、Md. Masudur Rahman、Sanjay Mohanty、Satya Kurada、Juan P. Wachs；来源为 arXiv；分类：cs.CV
  • 证据状态：仅依据摘要。

ARISE 将医学影像 Agent 分为假设、证据、修正、符号验证和最终回答五阶段，在胶囊内镜 Crohn 病和超声溃疡性结肠炎任务上比较基线与图像接地的自评流程。作者报告该流程稳定改善多个基线，但摘要未给出具体准确率、患者级切分、外部验证、临床医生盲审、训练污染和推理成本；因此不能把“改善”解释成临床诊断效果。

12. MASBench: Benchmarking LLM-based Multi-Agent Collaboration under Partial Observability（arXiv:2610.04672）

  • 作者/来源：Qizhi Chu、Zekai Yu、Sijie Wen、Yang Liu、Chen Qian、Cheng Yang、Chuan Shi、Zhiyuan Liu；来源为 arXiv；分类：cs.AI
  • 证据状态：仅依据摘要。

MASBench 在部分可观测的推理、调度和博弈任务中，同时测 Protocol、Memory、Routing 三种协作机制，并把确定性表现、通信成本和成本效果放在一起。作者报告不同机制存在明显的性能—通信折衷，并发布评测代码；摘要没有完整任务数、模型名单、污染审计、统计区间和真实多 Agent 部署验证，不能把 benchmark 排名当成通用协作能力。

13. Grounded in Time: A Multi-Source Dataset and Benchmark for Temporal Grounding in Robotic Manipulation（arXiv:2610.04255）

  • 作者/来源：Yi Wang、Yang Yang、Guangqi Xu、Sumin Lin、Ning Kang、Pengxiang Lu、Xiaotong Chen、Zeyu Xue、Ping Deng、Xing Liu、Chenguang Yang、Zhenyu Lu；来源为 arXiv；分类：cs.RO
  • 证据状态：仅依据摘要。

GiT 面向机器人操作中的时间定位，整合多来源演示、18 个真实 UMI 双臂任务和 9 个仿真任务，并加入历史与反事实配对来测试模型是否知道动作发生的时机。作者报告现有模型仍有提升空间；摘要没有给出完整数据规模、基线分数、真实机器人成功率、训练算力和失败分类，因此不能从“benchmark 更难”推导出某个方法已适于部署。

14. Agent Policy-Value Audit: Separating Transition Composition from Event Selection in Financial LLM Agents（arXiv:2610.04040）

  • 双主题索引：本论文同时属于金融主题，完整重点分析见金融简报“重点关注”第 1 篇；AI 简报在此保留交叉主题简介，避免重复展开。
  • 作者/来源：Mingyang (Alex) Chen、Yida (Andrew) Xu、Huiwen (Aurora) Chen、Yiming Lu、Wei Jin；arXiv:2610.04040；分类：cs.AI、q-fin
  • 证据状态：仅依据摘要（AI 侧作交叉索引）。

论文把金融 LLM Agent 的结果拆成“采取了什么动作”与“在什么事件上采取动作”两部分，用随机重排可行动作的匹配审计分离 deployment value 与 event-selection skill。摘要报告 2020–2024 年 723 个事件的回溯研究，核心结果不支持明显的事件选择能力；这是作者的金融回测/审计设计，不是 AI 能力的独立验证，详细的相关性、样本外边界与局限见金融篇。

15. FreshBrew: A Benchmark for Evaluating AI Agents on Java Code Migration（arXiv:2510.04852）

  • 作者/来源：Victor May、Diganta Misra、Yanqi Luo、Anjali Sridhar、Justine Gehring、Silvio Soares Ribeiro Junior；来源为 arXiv；分类：cs.SE
  • 证据状态：仅依据摘要。

FreshBrew 用 228 个 Maven Java 仓库评估 JDK 8 到 JDK 17 的真实迁移，以编译、测试和行为保持作为结果。作者报告 Gemini 2.5 Flash 的迁移成功率为 52.3%，并和规则基线比较；这比单个代码片段生成更接近工程 Agent，但摘要没有完整模型对照、执行成本、许可证过滤、污染审计和失败修复时间。

16. MagiC: Evaluating Multimodal Cognition Toward Grounded Visual Reasoning（arXiv:2507.07297）

  • 作者/来源：Chengfei Wu、Ronald Seoh、Bingxuan Li、Liqiang Zhang、Fengrong Han、Dan Goldwasser；来源为 arXiv；分类：cs.CV
  • 证据状态：仅依据摘要。

MagiC 以约 5,500 个弱标注问答和 900 个人工整理样本，评估 15 个 7B–70B VLM 的回答、推理、视觉接地和自校正。作者把“答对”与“理由是否有图像证据”分开，但摘要没有给出各模型完整数字、基线、公平的图像分辨率设置、污染审计和推理成本；因此只能把它作为评测框架和数据集介绍。

17. MemPilot: Orchestrating On-Demand Multimodal Memory Curation for LLM Agents（arXiv:2610.06830）

  • 作者/来源：Haozhen Zhang、Haodong Yue、Quanyu Long、Jianzhu Bao、Qingyuan Liu、Tao Feng、Bohan Liu、Weida Liang、Wenya Wang；来源为 arXiv；分类：cs.CL
  • 证据状态：仅依据摘要。

MemPilot 让多模态 Agent 的 RL 策略按需决定何时检索、整理原始历史和更新记忆，并在多个 LLM/VLM benchmark 上比较性能、成本和延迟。作者报告相较基线形成更好的性能—成本—延迟 Pareto 前沿；摘要没有列出任务、模型、预算、记忆污染和长期失效条件的完整数字，不能把 Pareto 改善解释成所有工作流都更可靠。

18. From Benchmark to Bench: Can Agents Survive Real-World Drug Discovery?（arXiv:2610.06411）

  • 作者/来源：Pierre Llompart、Levent Guner、Helen Lai、Alessandro Tibo、Yijie Xu；来源为 arXiv；分类：cs.AI
  • 证据状态：仅依据摘要。

MAGI 在 3 家药企的 9 个回顾性 lead campaign 上比较 LLM Agent 与 REINVENT 的分子和路线建议。作者报告两者都能提出有效结构，LLM 更偏局部化学合理性、REINVENT 覆盖更广；化学家无法稳定区分两类方案，但目标函数取决于 scorer 的适用域。摘要没有前瞻性合成、真实湿实验、成本、数据泄漏和失败率，因此这是回顾性设计空间评测，不是药物发现成功率证明。

每日论文
#AI #论文
每日 AI 论文简报｜2026 年 10 月 7 日
https://www.polarishaw.top/2026/10/07/daily-ai-papers-2026-10-07/
作者
Polaris
发布于
2026年10月7日
许可协议