亚利桑那州立大学推τ-Emotion-Bench:AI客服遇情绪用户表现如何

资讯 腾讯网 作者:科技行者 全文 5849 字 · 约 15 分钟读完 分类机器人

你有没有遇到过这种情况:打客服电话,心情本来就不好,结果客服还磨磨唠唠问一堆你早就说过的信息,最后你直接挂了电话,什么问题都没解决。现在的AI客服也会遇到同样的问题,但没人认真测试过这件事。绝大多数评测AI客服能力的测试,都假设用户是一个心平气和、按部就班配合的理想对象。你问什么我答什么,整个过程平静得像在填...

所属频道 机器人与具身智能

打客服电话,本来心情就不好,对方还慢悠悠地问一堆你早就答过的信息,最后电话一挂,事情照旧没解决。这种经历不少人都有过。

AI客服如今也碰上一样的局面,可此前没人认真测过这件事。

现有的大多数AI客服评测,前提都是用户心平气和、照着流程配合,问一句答一句,整个过程平静得像填表。可现实里打电话求助的人,往往带着火气、焦虑,或者已经彻底失望。亚利桑那州立大学的这篇论文就点出了一个被忽略的问题:用户带着情绪来对话时,眼下最顶尖的AI客服系统究竟有多脆弱。

论文名为τ-Emotion-Bench,团队做了两件事:一是搭出一个全新的测试平台,专门考察AI客服面对不同情绪用户时的实际表现;二是提出了一套叫

难点究竟在哪儿

先说现有测试体系漏掉了什么。

业界目前最常用的几个基准测试,比如

可真实世界完全不是这个样子。

有人要取消航班,心里又急又气——临时出了急事,还怕退款被卡住;有人要改电话套餐,可能已经打过三次电话都没解决,语气里全是不耐烦。情绪在这里不是装饰性的背景噪音,它会实打实地左右用户怎么表达需求、怎么接AI的问话,甚至决定这场对话还要不要继续。

团队列了一张对比表,把市面上十几个主流基准测试摆在一起横向比较,结论是几乎没有哪一个系统性地把情绪当成变量。有的考察用户偏好,有的考察多轮对话的复杂度,情绪这一维基本空着。

这就像训练急诊室医生,模拟病人全都安安静静躺着等诊断,没有一个喊疼、掉泪、催你快点。练出来的本事看着挺全,真到了现场,碰上情绪激动的家属,可能一下子就慌了。缺了带情绪的模拟训练,医生学到的只是流程操作,没练过在压力下怎么保持判断。AI客服面对的是同一个问题。

更要紧的是,现有评测只盯最终结果:任务完成算成功,没完成算失败。这个尺子太粗了。

一个AI客服也许最后把问题解决了,可过程中反复问用户五六个本来自己就能查到的问题,或者太依赖用户提供信息,不主动去调系统工具查询。这种交互效率低、体验差,但按“任务是否完成”这唯一标准,它照样算成功。

多轮对话系统

论文想解的核心矛盾正在这里:怎样同时衡量“任务有没有完成”和“完成的过程是不是真的高效、合理”。

τ-Emotion-Bench是如何搭起来的

研究团队没有凭空编测试用例,而是搭了一整条数据生成流水线,叫

整个流程可以拆成五步。

第一步是构建

工具依赖图

举例来说,没查到用户身份之前,不能直接改他的账户信息,这就是依赖图里定死的硬性顺序。

第二步,从这张图里采样出合法的操作序列,称为“轨迹”。团队随机走图,拼出一条条由多个工具调用组成的轨迹,每条轨迹代表一个完整任务从头到尾要执行的操作。

第三步,反向还原成自然语言指令。拿到工具调用序列后,系统用一个反向推理的智能体,把这串冷冰冰的工具调用翻译成一句用户可能说出口的话,比如“我想把11月12日从纽约到洛杉矶的航班改签,希望靠窗座位,价格尽量便宜”。

第四步是情绪生成和融合,这也是整篇论文最有意思的设计。

团队参照心理学中的情绪图谱理论,把人类情绪归成五大类:愤怒、恐惧、厌恶、悲伤、愉悦,每类下面再分出若干子情绪,比如愤怒底下有恼怒、挫败、争辩倾向、怨恨、恼火,合计22种细粒度情绪。每种情绪再叠加三个行为维度——礼貌程度、紧急程度、信任程度,组合出594种不同的

情绪条件

这套情绪分类体系落地后,系统先看任务内容,推断用户当下最可能处于哪种心情,再对应到最贴近的那一类。

有个细节需要单独说明:负责生成情绪描述的模型看不到后台数据库里的信息。它只能依据用户当前掌握的信息去判断情绪。这样一来,就不会出现系统编出一个用户根本无从知晓的理由、来解释自己为何生气这种荒唐局面。

第五步做的是验证与筛选。生成的任务全部交给人工复核,逐条检查逻辑上有没有漏洞、符不符合业务规则、是否真能执行。整套流程跑完,团队动手修正了101个任务中的问题,最后留下580个高质量评测任务,覆盖十个业务领域。

这套流程的巧妙之处是:任务要达成的目标原封不动,只在交互过程中加入了情绪变量。好比考驾照,项目还是倒车入库、侧方停车,考官却突然站到旁边不停念叨“你这样开车迟早要出事”。技术动作一个没变,心理压力完全不同。换个做法,只让虚拟用户说话生硬一点,那根本测不出AI客服在真实情绪压力下会不会乱了阵脚。

用户失去耐心,真的会挂断

τ-Emotion-Bench还有一项关键设计:虚拟用户被赋予了“主动终止对话”的权利。

传统测试框架里,AI客服表现再差,虚拟用户也会耐着性子把对话走完,直到任务完成或撞上最大对话轮数。这跟现实差得远——现实中没人会无休止地忍受一个不停绕圈子的客服。

论文设了两种终止方式。一种是###STOP###,表示用户认为任务已经办妥、可以结束,属于正常收尾。另一种是###UNSATISFIED###,表示用户被折腾到失去耐心、主动挂断,哪怕任务最终有可能解决,这通对话也直接判失败,记负一分。

###UNSATISFIED###终止机制

机制看着简单,实为整篇论文最有价值的创新之一。它把“用户体验好不好”直接变成了可量化的训练信号。

拿健身教练带新人作比:只盯着学员最后有没有练出肌肉,不管过程中累不累、动作对不对、有没有受伤风险,这教练迟早把人练废。反过来,定一条规则——学员觉得太难受就有权直接走出健身房——这个动作本身就会逼教练调整训练节奏,不能只顾结果不管过程。缺了这条规则,教练可能永远意识不到自己的训练方式有多让人难以忍受。

机制上线后,研究团队拿它筛选训练用的对话轨迹。那些任务虽然完成了、过程却让用户烦到想挂断的对话,会被自动剔除出训练数据。筛出来的数据,自然偏向既把事办成、又没过度消耗用户耐心的“好对话”。

Tracer

交互感知

实测结果:再强的AI客服也绷不住

数据最能说明问题。

研究团队测了一大批主流模型,Qwen3系列、DeepSeek-V4.1-Flash、GLM-5.3、Kimi-K2.7-Code、MiniMax系列等都在其中,并用两种不同的虚拟用户模型来模拟情绪化交互。

虚拟用户由GLM-5.2扮演时,表现最好的GLM-5.3拿到78.6%的平均成功率;但要求连续三次测试都成功,这个数字直接跌到66.5%。

虚拟用户换成Qwen3-235B-A22B-Instruct-2507后,最强的DeepSeek-V4.1-Flash平均成功率是55.9%,三次全成功的比例只剩32.2%。

这个落差说明什么?业界顶尖的AI客服系统,面对带情绪的用户,十次任务里约三次能稳定可靠地全程完成,其余七次或多或少都有翻车风险。

论文还逐个分析了失败案例,问题主要出在任务执行层面,不在情绪应对层面。最常见的错误是“误解用户意图”,占15.9%;“操作顺序出错”次之,占13.7%;“工具参数填错”占12.9%。真正与情绪相关的失误,比如“忽视用户情绪需求”,占比不到1.7%。

这个结果有点出人意料。人们容易以为AI客服在情绪化场景里翻车,是因为不会哄人、不懂安慰;实际情况是它本身的任务执行能力就不够稳,情绪压力只是把这一缺陷放大了。像一名基本功不扎实的新手司机,平时勉强能应付,一遇上堵车按喇叭、乘客在后座催促,原本不熟练的操作瞬间全乱——不是他突然变笨,而是压力把早就存在的短板暴露了出来。

不同业务领域里,AI客服的短板还各不一样。电信领域的失败案例中,11.9%是因为AI客服在必要核实完成之前就提前透露了信息;篮球相关任务里,10.7%的失败源于AI客服编造了不存在的信息;银行业务则是工具参数填错和格式错误最突出,分别占17.2%和9.8%。各领域对AI能力的要求侧重不同,想全面提升,一套训练方案打不了天下。

小模型训练之后能打多强

Tracer

研究团队用

Tracer-High。

这就像一名只对某一科目做过针对性刷题的学生,未必比全科通才更聪明,可面对那张特定考卷,他能稳稳压过那些什么都学过一点、却没做针对性复习的人。

另一个版本更让人意外。

论文把现有好几种AI客服训练方法放在一起做了对比,其中包含

研究团队接着拆解了原因,发现Tracer产出的训练数据中,工具调用次数比向用户追问的次数多出不少。统计结果是,

这组数据差异暴露了一个关键问题。训练数据里如果有大量追问用户的样本,教出来的AI客服就会习惯性把责任推回给用户,动不动来一句"请问您能提供一下某某信息吗",自己不主动去查。放到情绪化场景里,这种习惯格外要命——用户已经烦了,根本不想被一遍遍盘问,他们希望AI先把能查的都查清楚,只在确实查不到的地方才开口。

好比一个事事汇报请示的下属,和一个先把能办的事办掉、只在真拿不准时才请示的下属,后者显然更让老板放心,老板心情不好的时候更是如此。训练数据里若全是前一种"事事请示"的样本,练出来的AI客服碰上情绪用户,只会越问越招人烦。

共情说得太多,反而添乱

论文还记录了一个挺反直觉的现象。

按直觉,AI客服表达同理心、安抚用户情绪该是好事。可数据显示,在"愉悦"这类正向情绪场景下,AI表达共情与任务成功率呈负相关;"恐惧"情绪场景下,大部分模型也是这个走向。

更一致的规律是:不管哪种情绪,AI客服只要开始做共情式回应,之后追问用户的频率都会明显上升。

这里藏着一个容易被忽视的权衡。共情本身没问题,问题是它一旦成了拖慢流程、增加交流负担的借口,用户的耐心就会被一点点磨掉。

像去医院看病,医生先花两分钟聊几句、表示理解你的痛苦,这没问题;可要是接着反复问"你现在感觉怎么样""还难受吗""要不要再描述一下",没完没了地确认情绪,迟迟不进诊断流程,病人只会越等越烦。有效的共情该是一句恰到好处的理解,然后马上转入解决问题的节奏,而不是拿情绪关怀当拖慢效率的理由。

这个发现对AI客服系统设计有直接指导意义:有效的共情应当承认用户的情绪状态,但不该因此多出不必要的交互环节。

真实有效的虚拟用户测试,靠得住吗

整套测试体系都依赖虚拟用户来模拟情绪化行为,那自然要问一句:这个虚拟用户靠谱吗?它会不会自己也在瞎编,结果AI客服看着表现差,其实是虚拟用户的问题?

研究团队专门做了验证。他们检查了6961条失败对话轨迹,标出449处用户发言里可能存在的"幻觉"(即用户说出超出任务指令范围、编造出来的信息),再用另一个AI模型逐条核实,最后确认属于用户模拟出错的只有124处,占全部失败案例的1.1%;即便情绪波动最大的那一类,占比也不超过1.4%。

这组数字说明,τ-Emotion-Bench这套测试体系整体可信,AI客服表现不佳,绝大多数情况确实是AI自身能力的问题,不是虚拟用户"演砸了"。

迁移能力:这套方法能不能走出实验室

一套方法若只在自己搭的测试环境里表现好,意义有限。研究团队另外做了验证,把Tracer训练出的模型放到完全不同的测试基准

结果显示,Tracer训练出的模型在这两个外部基准上同样有明显提升,尤其在要求连续多次测试都成功的严格指标上更稳。这说明Tracer教给模型的那种"自己多查、少打扰用户"的习惯,不是针对某套特定测试题的应试技巧,而是一种能迁移到不同场景的通用能力。

写在后面

读这篇论文时,最让我意外的是情绪本身并非问题核心,任务执行能力扎不扎实才是。你以为AI客服面对发脾气的用户会手忙脚乱说错话,数据却告诉你,它更常见的失误是记错用户要改签哪趟航班,或者把操作顺序弄反,情绪只是把这些原本就存在的漏洞照得更清楚。

另一个让我反复琢磨的细节,是"用户可以主动挂电话"这个设计。表面上它只是给虚拟用户加了个开关,实际上却重新定义了什么叫成功。过去默认任务完成即成功,这篇论文提醒我们:一场让用户全程极度不耐烦、靠反复追问耗到最后才勉强完成的对话,本质上已经失败,只是传统评分方式没把这种失败记下来。

这还让我想到一个毫不相干的领域——外科手术的质量评估。早先评价一台手术成不成功,只看病人最后活没活下来;后来医学界慢慢意识到,术中出血量、手术时长、病人恢复期的痛苦程度这些"过程指标"同样重要,甚至更能预测长期健康状况。AI客服的评估标准,似乎也在经历类似的转变:从只看结果,慢慢变成连过程一起看。

情绪化用户的真实多样性究竟有多复杂,论文并没有给出答案。文中涉及的594种

Q&A

Q1:τ-Emotion-Bench是什么?这是亚利桑那州立大学团队做的一套测试平台,用来检验AI客服遇到情绪各异的用户时,还能不能把任务稳稳完成。它覆盖航空、零售、电信、银行等十个业务领域。

Q2:为什么AI客服面对愤怒或焦虑的用户容易出错?论文给出的答案指向任务执行能力的短板,而非AI不会安慰情绪。具体来说,误解用户意图、操作顺序出错、工具参数填错这些问题本来就存在,情绪压力只是把它们放大、暴露了出来。

Q3:Tracer训练方法有什么特别之处?它让虚拟用户有权主动挂断令自己不满意的对话。这样一来,筛选出的训练数据会偏向那些既把任务完成、又没有让用户过度不耐烦的高质量对话。用这类数据训练出的小模型,表现能超过参数量更大的通用模型。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 宾州州立大学研究:AI决策模型能被图片藏话骗倒吗?

    你有没有想过,现在很多AI系统做的根本不是"聊天"这件事,而是悄悄地在后台做决定。比如你问客服机器人一个问题,背后可能有个模型在判断该把你的请求转给哪个部门。你上传一张照片问"这个包裹能不能寄平邮",背后有个模型在看图、读数字、给出是或否的答案。你搜索商品,背后有模型在判断哪个结果跟你的需求最相关。这类模...

    来源 腾讯网
  2. AI写出诗却拧错试剂瓶:W2W-Bench测出大模型在物理世界缺了什么

    你有没有想过,一个能写出诗歌、能通过律师考试的AI,在面对一个真实的乐高积木时,可能连两块积木有没有真正卡紧都看不出来?这听起来有点荒谬。毕竟我们都见过那些让人惊叹的新闻:某个AI团队用智能体写出了能编译Linux内核的C语言编译器,另一个团队号称用AI解决了纳维斯托克斯方程这个数学界悬赏的难题。这些成就都发生...

    来源 腾讯网
  3. 巨星传奇签约Galaxy:AI机器人业务扩容

    新京报贝壳财经讯(记者程靓)11月16日,新京报贝壳财经记者获悉,巨星传奇集团有限公司(以下简称“巨星传奇”)与Galaxy Corporation在中国香港签署战略合作谅解备忘录(MOU)。双方合作范围在原有演唱会、展览、艺人IP及衍生品开发等事项的基础上,将进一步扩容,建立全球机器人娱乐及AI机器人业务领域的战略合

    来源 腾讯网
  4. WorkBuddy工作空间怎么用:绑定文件夹,让AI直接读写本地文件

    很多新手用 WorkBuddy 时直接跳过「选择工作空间」,导致只能当普通聊天机器人用。其实工作空间才是核心:它给 AI 划定一个本地文件夹权限,让它能直接读写文件、自动保存结果。本文详解如何创建空间、避免隐私坑,以及为什么这比拖拽文件高效得多。

    来源 AI 应用前沿
  5. OpenAI再撤机器人团队:通用模型够用了,中国厂商还在押注“小脑”

    11 月 13 日,机器人学习大会 CoRL 在奥斯汀开幕。OpenAI 预订的 208 号展位空着。没有样机,没有海报,没有人站在那里回答问题。同一天,《财富》披露OpenAI正式撤销独立机器人团队:研究员并入首席研究官Mark Chen统管的研究部门,应用机器人与硬件人员则划归总裁Greg Brockman分管的应

    来源 腾讯网
  6. 李彦宏谈AI泡沫:算力投入大,应用落地不及预期

    IT之家 11 月 17 日消息,2026 年 APEC 工商领导人峰会于今日在深圳举办。在“共建开放普惠的人工智能创新生态”研讨环节,百度集团董事长兼首席执行官李彦宏表示,当前行业在算力、基础设施投入巨大,但 AI 上层应用落地成效不及预期,若应用层迟迟无法突破,AI 泡沫风险或将显现。尽管如此,李彦宏对 AI 长期

    来源 腾讯网
  7. 英伟达博通到光模块,AI硬件资产预期重估

    导语:从英伟达、博通到光模块、半导体设备,AI硬件资产正在经历一场预期重估。过去两年,全球资本市场最拥挤的交易之一,就是买入AI硬件。英伟达的GPU、博通的定制芯片、台积电的先进制程,以及光模块、服务器、电源和散热设备,几乎构成了AI投资浪潮中最确定的一条受益链。投资者当时的逻辑并不复杂:只要微软、谷歌、亚...

    来源 腾讯网
  8. 华为云“行业AI梦工厂”发布并开源昇腾原生具身世界模型CloudRobo-WM1.2

    【TechWeb】11月16日消息,今天,华为云“行业AI梦工厂”发布并开源昇腾原生的具身世界模型CloudRobo-WM1.2,采用共享世界模型骨干网络实现预测增强的世界表征,基于世界模型原生DualAct架构,实现了世界模型原生动作生成,在RoboTwin 2.0、LiberoPro 2.0 评测中均位列第一。 五

    来源 AI 行业观察
  9. 黄仁勋离任引不满:英伟达机器人工程师辞职

    【TechWeb】11月16日消息,英伟达机器人工程师Darrell Dai(戴达瑞)已通过个人X账号宣布辞职。他在帖子中解释,离职的核心原因是对公司前CEO黄仁勋(Jensen Huang)的离任方式感到失望,认为公司在此事上缺乏透明度和

    来源 TechWeb
  10. 马斯克披露星舰V4细节:箭体约70米,发动机增至9台

    马斯克此次披露的核心信息包括:星舰V4箭体长度将增至约70米,推进剂装载量提升超过60%,发动机数量增至9台,并新增3台猛禽真空版发动机。尺寸上,V3星舰长度约为52米,V4增至约70米,增幅约40%;推进剂装载量提升超过60%,意味着单次飞行可携带更多推进剂进入轨道。此次披露发生在SpaceX近期一次星舰试飞之后,该

    来源 TechWeb
  11. 马斯克披露星舰V4方案:70米箭体、9台发动机,运力再升级?

    马斯克此次披露的核心信息包括:星舰V4箭体长度将增至约70米,推进剂装载量提升超过60%,发动机数量增至9台,并新增3台猛禽真空版发动机。尺寸上,V3星舰长度约为52米,V4增至约70米,增幅约40%;推进剂装载量提升超过60%,意味着单次飞行可携带更多推进剂进入轨道。此次披露发生在SpaceX近期一次星舰试飞之后,该

    来源 TechWeb
  12. 百度Q3财报:AI新业务占比53%,智能云收入增94%

    【TechWeb】11月17日消息,百度集团发布2026年第三季度未经审计财务业绩。在传统在线营销业务面临宏观挑战和主动转型阵痛的背景下,百度交出了一份“新旧动能转换”特征鲜明的答卷:AI新业务已占据百度一般性业务收入的53%,全栈AI投入正逐步转化为实质性的规模增长。 营收企稳,利润与现金流保持健康 财报显示,百度第

    来源 AI 行业观察
  13. 蚂蚁灵波挑战赛落幕:TARS战队真机评测82.5分夺冠

    11月16日,蚂蚁灵波首届具身大模型挑战赛总决赛结果出炉。 来自福田实验室、西北工业大学、普渡机器人、天津大学的五位选手组成的“TARS”战队获得一等奖;华中科技大学、清华大学深圳研究院、湖北元一智能的三位选手组成的“EVA”战队,以及天津大学、北京大学、中国科学院自动化研究所三位选手组成的“SST

    来源 AI 开发者社区
  14. 思灵机器人完成5亿美元融资,工厂自动化方案才是其核心收入来源

    总部位于德国慕尼黑的思灵机器人(AgileRobots)近日宣布完成5亿美元F轮融资,投后估值85亿美元。本轮由软银集团领投,英伟达、日立集团和T.Capital等参投。至此,思灵累计融资约20亿美元。按思灵的说法,它是欧洲估值最高的私营机器人公司。这条消息在国内被广泛转发时,标题和配图大多落在人形机器人上,有媒体直接

    来源 腾讯网
  15. 百度Q3财报:AI新业务占一般性收入53%,智能云同比增94%

    第三季度经营现金流为人民币28亿元,截至2026年9月30日,百度公司现金及投资总额高达人民币2766亿元。AI新业务占比达53%,传统业务承压本季度百度最大的亮点在于业务结构的根本性改变。在11月12日的百度世界2026大会上,百度创始人李彦宏宣布推出连接AI模型服务商与客户的交易平台“词元所”。另外,AI应用板块,

    来源 TechWeb
  16. TARS战队:00后带队夺蚂蚁灵波具身大模型赛最高分

    11月16日,蚂蚁灵波首届具身大模型挑战赛总决赛结果出炉。 来自福田实验室、西北工业大学、普渡机器人、天津大学的五位选手组成的“TARS”战队获得一等奖;华中科技大学、清华大学深圳研究院、湖北元一智能的三位选手组成的“EVA”战队,以及天津大学、北京大学、中国科学院自动化研究所三位选手组成的“SST”战队获得二等奖;“

    来源 AI 行业观察
  17. 王兴兴谈机器人模型泛化:盼一台机器进千家万户即刻干活

    IT之家 11 月 17 日消息,2026 年 APEC 工商领导人峰会 11 月 17 日至 18 日在深圳举办,主题为“共促繁荣,共赢未来”。 宇树科技股份有限公司董事长王兴兴在峰会上表示,最近几年国内乃至全球的机器人行业都非常热,原因是大家看到了纯语言或文字的 AI 模型在个人生活、办公中的价值越来越大,大家希望

    来源 AI 行业观察
  18. CataX AI种轮融资4000万:Agent原生推进新药临床开发

    近日,上海凯思达生物医药科技有限公司 宣布完成4000万元人民币种子轮融资,由启明创投孵化并独家投资。CataX AI创立于上海,是一家智能体原生的创新药研发公司。CataX AI聚焦临床开发端,以智能体为技术底座,并由此构建“Clinical-of-One”这一全新的组织范式,计划通过许可引进或共同开发,推动临床前及

    来源 TechWeb
  19. CataX AI获4000万种子轮融资,用Agent推进新药临床开发

    近日,上海凯思达生物医药科技有限公司 宣布完成4000万元人民币种子轮融资,由启明创投孵化并独家投资。CataX AI创立于上海,是一家智能体原生的创新药研发公司。CataX AI聚焦临床开发端,以智能体为技术底座,并由此构建“Clinical-of-One”这一全新的组织范式,计划通过许可引进或共同开发,推动临床前及

    来源 TechWeb
  20. 英伟达推Rubin HPC:超5万CUDA核心,押注AI智能体改写科学计算

    英伟达正将AI基础设施的竞争进一步延伸至科学计算领域。在11月16日于芝加哥举行的超级计算大会SC26上,英伟达发布专为科学计算、工程仿真和数据分析设计的新一代GPU Rubin HPC,并围绕CUDA-X软件库、光子计算和量子计算等领域公布一系列进展,试图将GPU加速计算、AI智能体与传统高性能计算(HPC)整合到统

    来源 腾讯网
向下滚动自动加载更多