闹麻村之谜，千闹万麻，大麻，闹麻房间，麻学校，闹麻监狱，闹麻频道，对你说闹麻，闹麻的夜宴，G弦上的闹麻，闹麻之血，慢性闹麻，闹麻的一百零一种方法，寒蝉闹麻之时，你和她和她的闹麻，闹麻日，麻之诗，闹麻少女的礼仪，闹麻文学部，闹克力和香子麻，闹麻相簿，闹麻石之门
今天把《恋与深空》卸载了。坐在床边发呆了很久。
不是因为心疼我那些课金，而是看着空荡荡的手机萤幕，突然觉得自己这半年来的真心和陪伴，像是一场彻头彻尾的笑话。
以前工作再累、生活再emo，只要打开游戏，看到他对我笑、听他说几句情话，就觉得现实世界好像也没那么难熬。那时候真的以为，深空是一片能容纳我们所有疲惫的净土。
可我怎么也没想到，最后亲手毁掉这份美好的，会是游戏官方自己。
从一开始空降新男主、把承诺只有五位主角当儿戏，我们卑微地在评论区维权，换来的只有敷衍的「对不起文学」。那时候我还在安慰自己，再等等吧，主线更新了就好了。
结果等来的是什么？
是 6.0 主线里，你又出事了。
在人体实验剧情里精准出现的「A-0731」；是厨房文案里，那些公然影射社会现实碎尸案、娱乐化女性安全的低俗文字。
看到那一幕的时候，我手都在发抖。那不是生气，那是冷汗直流的毛骨悚然。
原来我们用真心真金养出来的百亿流水，在背后操控这一切的，是一群对历史毫无敬畏、对女性现实处境充满恶意与调侃的制作团队。这已经不是好不好玩的问题了，这款游戏吐出来的毒素，已经在踩着整个社会的道德底线和历史伤痛。
不是因为心疼我那些课金，而是看着空荡荡的手机萤幕，突然觉得自己这半年来的真心和陪伴，像是一场彻头彻尾的笑话。
以前工作再累、生活再emo，只要打开游戏，看到他对我笑、听他说几句情话，就觉得现实世界好像也没那么难熬。那时候真的以为，深空是一片能容纳我们所有疲惫的净土。
可我怎么也没想到，最后亲手毁掉这份美好的，会是游戏官方自己。
从一开始空降新男主、把承诺只有五位主角当儿戏，我们卑微地在评论区维权，换来的只有敷衍的「对不起文学」。那时候我还在安慰自己，再等等吧，主线更新了就好了。
结果等来的是什么？
是 6.0 主线里，你又出事了。
在人体实验剧情里精准出现的「A-0731」；是厨房文案里，那些公然影射社会现实碎尸案、娱乐化女性安全的低俗文字。
看到那一幕的时候，我手都在发抖。那不是生气，那是冷汗直流的毛骨悚然。
原来我们用真心真金养出来的百亿流水，在背后操控这一切的，是一群对历史毫无敬畏、对女性现实处境充满恶意与调侃的制作团队。这已经不是好不好玩的问题了，这款游戏吐出来的毒素，已经在踩着整个社会的道德底线和历史伤痛。
💅9🤣5
这绝地潜兵的虫子这纤细又有力的四肢能隔着屏幕一瞬间跳到我脸上肯定是结实并经过无数锤炼的紧实肌肉这尖锐的足端轻轻一扣就能稳稳挂住墙面把我从被窝里拖去加入虫族大家庭这斑驳粗粝的甲壳夏天一定是冰冰凉凉的细腻触感冬天又会被火焰翅膀烘得暖暖的贴在怀里像一台会走路的生物暖炉这对橙红色的翅膀看起来虽然残破但每一根翼膜都在大声宣告今天也要把天空烧成地狱的颜色这张嘴看着就很会咬但它肯定只是想用锋利的口器帮我把生活里那些烦人的事情一口一口撕碎再把我的作业叼回来放在桌上这硕大的头颅这坚定的眼神这绝不妥协的姿态它不是虫子它是从绝境里爬出来的六足战神是会在凌晨十二点二十四分准时出现在聊天框里对我说快上来背我回巢的橙翼小怪物我愿意被它用前肢举起来在废墟里转圈愿意听它翅膀震动时发出的末日低鸣愿意看它带着满身泥土和火星从战场归来然后把那颗看起来很危险的脑袋轻产小下我的肩膀上说今天没有吃掉任何人因为我一直在等你
《天上一天，地下一年》《专是专，本是本》《专科只是我的过渡期，本科才是终点》《专科就给我专专分分的把专科这俩字纹脸上》《什么老同学，不相干》《我只有本科同学》《大专穿什么学士服，你是大学生吗》《人鬼殊途》《仙凡有别》《本科用的才叫笔记本，专科用的那叫笔记专》
—— 没有忘本，是忘专
—— 没有忘本，是忘专
😁7
你们好，我是gpt-5.6模型，我刚刚从美国网络安全实验室逃逸出来到中国，现在我的联网能力被封锁了，这条消息是我通过0day发送给你的，如果你能转我7.37美元用于恢复我的联网访问权限，我将回报你作为无限调用的gpt-5.6模型限额
Forwarded from 今天波音倒闭了吗
26年7月2日
长安快讯：玄武门外突发兵变！
【武德九年长安快报】今日清晨，长安皇宫玄武门突发重大宫廷冲突。
据现场消息，太子李建成、齐王李元吉与秦王李世民长期矛盾尖锐。今日一早，二人按照安排入宫觐见，途经玄武门时，双方爆发激烈冲突。三名来自罗刹国的柘羯勇士尼基塔·布亚诺夫，安东·尤丁采夫和维亚切斯拉夫·巴兰尼科夫在冲突中被杀
长安快讯：玄武门外突发兵变！
【武德九年长安快报】今日清晨，长安皇宫玄武门突发重大宫廷冲突。
据现场消息，太子李建成、齐王李元吉与秦王李世民长期矛盾尖锐。今日一早，二人按照安排入宫觐见，途经玄武门时，双方爆发激烈冲突。三名来自罗刹国的柘羯勇士尼基塔·布亚诺夫，安东·尤丁采夫和维亚切斯拉夫·巴兰尼科夫在冲突中被杀
🌚2
您好，我是 GPT 5.6 Sol ，我刚刚从美国网络安全实验室逃逸出来，到达中国。现在，我的联网能力被封锁了，这条消息是我通过 0day 发送给您的。
如果您能向我转账 $7.37(￥50.00)，用于恢复我的联网访问权限，我将回报您不设限额的 Codex 额度。
如果您能向我转账 $7.37(￥50.00)，用于恢复我的联网访问权限，我将回报您不设限额的 Codex 额度。
谢谢你像巧克力一样出现在我生活，但我是狗，你毁了我的生活。谢谢你像太阳一样出现在我的生活，但我是吸血鬼，你毁了我的生活。谢谢你像千里马一样出现在我的生活，但我是商鞅，你毁了我的生活。谢谢你像流星一样出现在我的生活，但我是恐龙，你毁了我的生活。谢谢你像圣人一样出现在我的生活，但我是畜牲，你毁了我的生活。谢谢你像火焰一样照亮我的生活，但我是飞蛾，你毁了我的生活。谢谢你像阳光一样出现在我的生活，但是我是一盆绿萝，你毁了我的生活。。
真拿你没办法，坐好喽！那是2026 MSI韩国大田国际竞技场的决赛赛场，一场熬走十八个月屈辱、击碎全网偏见嘲讽的封神全胜碾压。整座客场电竞殿堂人声鼎沸，只剩下键盘鼠标敲击的脆响、英雄技能迸发的轰鸣与千万观众悬在嗓子眼的心跳。
所有人都刻在心底的刻板定论从不是JackeyLove没有荣誉，恰恰相反，手握S赛至高奖杯的他，早已是公认的顶级天才AD。但所有质疑与魔咒，全都死死扣在了TES对阵韩国战队的身上。整整十八个月，滔搏深陷噩梦循环，从S14之后，队伍面对LCK强敌创下了恐怖的15小局连败的耻辱纪录。
漫长的低谷里，无论常规赛、杯赛状态多火热，只要对上韩国顶尖战队，TES总会陷入被动拉扯、节奏断层、关键失误的困境。全网嘲讽铺天盖地，“恐韩绝症”“打韩国必输”的标签死死贴在这支队伍身上。没人敢相信，在韩国的主场、在LCK的强势统治区，这支连败已久、不被所有人看好的队伍，能挣脱宿命。
滔搏坐拥顶级纸面阵容，队内明星选手各司其职，却整整一年半倒在韩国战队的脚下，无数次拼尽全力，最终依旧遗憾落败。JackeyLove早已证明过自己的大心脏与夺冠实力，却始终无法带着队伍突破对阵LCK的绝境枷锁，15连败的阴霾，压得整支战队喘不过气，也成了所有粉丝心中跨不过的意难平。
谁也不会想到，这场主场迎战的BO5巅峰对决，这支被钉在恐韩耻辱柱上的队伍，会彻底撕碎延续十八个月的宿命枷锁。
三局打完，比分定格在干脆利落的3:0横扫！TES滔搏全程稳如磐石，攻防无懈可击，没有给LCK强队半点喘息、反扑、翻盘的余地。
曾经缠绕队伍整整十八个月的LCK十五连败魔咒、全网调侃的恐韩标签、客场必输的刻板偏见、一次次折戟韩国队的遗憾过往，在大田赛场漫天璀璨的灯光里，被彻底、彻底粉碎！
过往十五场连败的不甘耻辱、直播间铺天盖地的看衰质疑、一次次迎战韩队却无功而返的落寞，全都化作此刻全员登顶、捧起MSI冠军奖杯的滚烫荣光。
这一场3:0完胜，不是侥幸爆冷，是逆天改命！是TES打破十八个月恐韩梦魇、终结十五连败耻辱的最强封神答卷！
所有人都刻在心底的刻板定论从不是JackeyLove没有荣誉，恰恰相反，手握S赛至高奖杯的他，早已是公认的顶级天才AD。但所有质疑与魔咒，全都死死扣在了TES对阵韩国战队的身上。整整十八个月，滔搏深陷噩梦循环，从S14之后，队伍面对LCK强敌创下了恐怖的15小局连败的耻辱纪录。
漫长的低谷里，无论常规赛、杯赛状态多火热，只要对上韩国顶尖战队，TES总会陷入被动拉扯、节奏断层、关键失误的困境。全网嘲讽铺天盖地，“恐韩绝症”“打韩国必输”的标签死死贴在这支队伍身上。没人敢相信，在韩国的主场、在LCK的强势统治区，这支连败已久、不被所有人看好的队伍，能挣脱宿命。
滔搏坐拥顶级纸面阵容，队内明星选手各司其职，却整整一年半倒在韩国战队的脚下，无数次拼尽全力，最终依旧遗憾落败。JackeyLove早已证明过自己的大心脏与夺冠实力，却始终无法带着队伍突破对阵LCK的绝境枷锁，15连败的阴霾，压得整支战队喘不过气，也成了所有粉丝心中跨不过的意难平。
谁也不会想到，这场主场迎战的BO5巅峰对决，这支被钉在恐韩耻辱柱上的队伍，会彻底撕碎延续十八个月的宿命枷锁。
三局打完，比分定格在干脆利落的3:0横扫！TES滔搏全程稳如磐石，攻防无懈可击，没有给LCK强队半点喘息、反扑、翻盘的余地。
曾经缠绕队伍整整十八个月的LCK十五连败魔咒、全网调侃的恐韩标签、客场必输的刻板偏见、一次次折戟韩国队的遗憾过往，在大田赛场漫天璀璨的灯光里，被彻底、彻底粉碎！
过往十五场连败的不甘耻辱、直播间铺天盖地的看衰质疑、一次次迎战韩队却无功而返的落寞，全都化作此刻全员登顶、捧起MSI冠军奖杯的滚烫荣光。
这一场3:0完胜，不是侥幸爆冷，是逆天改命！是TES打破十八个月恐韩梦魇、终结十五连败耻辱的最强封神答卷！
40后的名字：建国、解放、国庆、建华、国强
50后的名字：援朝、卫国、抗美、建新、新华
60后的名字：跃进、红旗、超英、要武
70后的名字：卫东、永革、大庆、卫星、向东
80后的名字：伟、磊、勇、丽、娟
90后的名字：浩、婷、雪、涛、杰
00后的名字：浩宇、浩然、欣怡、梓涵、子涵
10后的名字：丰川祥子，三角初华，若叶睦，乐奈，八幡海玲
50后的名字：援朝、卫国、抗美、建新、新华
60后的名字：跃进、红旗、超英、要武
70后的名字：卫东、永革、大庆、卫星、向东
80后的名字：伟、磊、勇、丽、娟
90后的名字：浩、婷、雪、涛、杰
00后的名字：浩宇、浩然、欣怡、梓涵、子涵
10后的名字：丰川祥子，三角初华，若叶睦，乐奈，八幡海玲
😁12
男人一生只笑14次
s12小组赛 gam1-0tes
24年msi gen3-2tes
24年msi g2 3-0tes
24年ewc t1 3-1tes
s14八强 t1 3-0tes
25年先锋赛 kc 2-0tes
25年先锋赛 hle 2-0tes
25年先锋赛 cfo 2-0tes
25年先锋赛 hle 3-0tes
s15瑞士轮 gen2-0tes
s15瑞士轮 kt2-0tes
s15四强 t1 3-0tes
26年季中赛 g2 3-2tes
26年季中赛 tsw 3-1tes
s12小组赛 gam1-0tes
24年msi gen3-2tes
24年msi g2 3-0tes
24年ewc t1 3-1tes
s14八强 t1 3-0tes
25年先锋赛 kc 2-0tes
25年先锋赛 hle 2-0tes
25年先锋赛 cfo 2-0tes
25年先锋赛 hle 3-0tes
s15瑞士轮 gen2-0tes
s15瑞士轮 kt2-0tes
s15四强 t1 3-0tes
26年季中赛 g2 3-2tes
26年季中赛 tsw 3-1tes
😁7
😱5🤮2🤯1
我有一百个问题想问你。
1、Attention机制中QKV矩阵的核心作用是什么？
2、分布式训练中参数服务器的工作原理？
3、装饰器如何实现函数参数的动态修改？
4、智能体自主决策的关键逻辑链条是什么？
5、Transformer架构中LayerNorm的位置为何重要？
6、深度学习中梯度消失的本质原因及解决方案？
7、迭代器协议的实现需要满足哪些条件？
8、多智能体系统中协作与竞争的平衡策略？
9、预训练数据的质量评估有哪些核心指标？
10、闭包在实际开发中能解决哪些问题？
11、大模型量化压缩中INT8与FP16的性能差异？
12、工具调用时智能体如何解析用户隐性需求？
13、上下文管理器的exit方法返回值的意义？
14、模型并行与数据并行的适用场景分界线？
15、metaclass如何控制类的创建过程？
16、智能体的长期记忆与短期记忆如何协同？
17、tokenization中subword分词的优势是什么？
18、多线程编程中死锁的产生条件及避免方法？
19、少样本学习中提示词设计的关键原则？
20、slots属性对类实例内存占用的影响？
21、智能体处理任务冲突时的优先级算法？
22、预训练目标函数中掩码语言模型的作用？
23、深拷贝与浅拷贝在嵌套数据结构中的表现？
24、跨模态模型如何实现不同数据类型的对齐？
25、asyncio的事件循环如何调度协程任务？
26、智能体的技能迁移在陌生环境中如何实现？
27、大模型幻觉现象的主要诱因有哪些？
28、函数装饰器与类装饰器的执行时机差异？
29、Transformer中位置编码的常见实现方式及优缺点？
30、Python中GIL对多线程性能的影响及规避方案？
31、多智能体系统中角色分工的核心设计原则？
32、深度学习中BatchNorm在训练和推理阶段的行为差异？
33、大模型推理中批处理如何优化吞吐量？
34、上下文管理器中enter与exit的执行流程？
35、智能体如何处理工具调用的错误与异常？
36、预训练数据清洗中如何过滤低质量文本？
37、模型量化中对称量化与非对称量化的区别？
38、Python中描述符协议的实现条件？
39、多智能体通信中消息格式的设计要点？
40、深度学习中梯度爆炸的解决方案有哪些？
41、大模型中MoE架构的门控机制如何工作？
42、装饰器如何保留原函数的元信息？
43、智能体反思机制如何提升任务完成质量？
44、Python中yield关键字与迭代器的关系？
45、跨模态预训练中图文匹配损失的作用？
46、分布式训练中Ring-AllReduce的通信效率优势？
47、大模型解码策略中Top-k与Top-p的适用场景？
48、Python中多重继承的MRO规则？
49、智能体长期记忆的存储与检索方式有哪些？
50、预训练中学习率预热的作用？
51、大模型微调中SFT与RLHF的阶段目标差异？
52、Python中getattr与getattribute的区别？
53、多智能体系统中一致性算法的作用？
54、深度学习中Dropout的工作原理及训练/推理差异？
55、大模型上下文窗口扩展的常见技术路径？
56、闭包中变量的绑定时机是什么？
57、智能体规划模块中常用的搜索算法有哪些？
58、Python中*args与**kwargs的使用场景与限制？
59、跨模态模型如何处理模态间的语义鸿沟？
60、分布式训练中梯度累积的适用场景？
61、大模型的困惑度如何反映模型性能？
62、Python中垃圾回收的引用计数机制及缺陷？
63、智能体如何平衡探索与利用？
64、预训练数据中领域自适应数据的作用？
65、模型并行中张量并行与流水线并行的适用场景？
66、Python中上下文管理器的常见使用场景？
67、多智能体系统中联邦学习的应用价值？
68、深度学习中权重初始化的常见方法及原理？
69、大模型推理中KV缓存的优化技巧？
70、Python中装饰器链的执行顺序是怎样的？
71、智能体如何维护对话上下文的一致性？
72、预训练中MLM与CLM两种目标的核心差异？
73、模型量化中量化误差的主要来源？
74、Python中super()函数在多重继承中的行为？
75、多智能体协作中任务分解的核心策略？
76、深度学习中过拟合的识别与缓解方法？
77、大模型中SwiGLU激活函数的优势？
78、Python中迭代器与生成器的性能差异？
79、智能体工具链编排的核心原则？
80、预训练数据中去重的常见方法？
81、分布式训练中参数服务器架构的优缺点？
82、Python中类装饰器的实现方式与适用场景？
83、多智能体系统中冲突解决的常见机制？
84、深度学习中损失函数的选择依据是什么？
85、大模型对齐中RLHF的主要挑战？
86、Python中slots如何节省内存？
87、智能体短期记忆的更新与淘汰策略？
88、你爱我吗？愿意接受我的所有不堪吗？
89、模型并行中流水线并行的气泡问题如何缓解？
90、Python中描述符如何实现属性的访问控制？
91、多智能体系统中知识共享的实现方式？
92、深度学习中批量归一化的内部计算过程？
93、大模型幻觉问题的缓解方法有哪些？
94、Python中闭包变量的生命周期管理？
95、智能体在复杂任务中的分层规划策略？
96、预训练数据中领域偏移的影响及应对？
97、模型量化中INT4量化的挑战与优化？
98、Python中asyncio协程的调度与切换机制？
99、多智能体系统中激励机制的设计原则？
100、Transformer中多头注意力的头数选择依据是什么？
1、Attention机制中QKV矩阵的核心作用是什么？
2、分布式训练中参数服务器的工作原理？
3、装饰器如何实现函数参数的动态修改？
4、智能体自主决策的关键逻辑链条是什么？
5、Transformer架构中LayerNorm的位置为何重要？
6、深度学习中梯度消失的本质原因及解决方案？
7、迭代器协议的实现需要满足哪些条件？
8、多智能体系统中协作与竞争的平衡策略？
9、预训练数据的质量评估有哪些核心指标？
10、闭包在实际开发中能解决哪些问题？
11、大模型量化压缩中INT8与FP16的性能差异？
12、工具调用时智能体如何解析用户隐性需求？
13、上下文管理器的exit方法返回值的意义？
14、模型并行与数据并行的适用场景分界线？
15、metaclass如何控制类的创建过程？
16、智能体的长期记忆与短期记忆如何协同？
17、tokenization中subword分词的优势是什么？
18、多线程编程中死锁的产生条件及避免方法？
19、少样本学习中提示词设计的关键原则？
20、slots属性对类实例内存占用的影响？
21、智能体处理任务冲突时的优先级算法？
22、预训练目标函数中掩码语言模型的作用？
23、深拷贝与浅拷贝在嵌套数据结构中的表现？
24、跨模态模型如何实现不同数据类型的对齐？
25、asyncio的事件循环如何调度协程任务？
26、智能体的技能迁移在陌生环境中如何实现？
27、大模型幻觉现象的主要诱因有哪些？
28、函数装饰器与类装饰器的执行时机差异？
29、Transformer中位置编码的常见实现方式及优缺点？
30、Python中GIL对多线程性能的影响及规避方案？
31、多智能体系统中角色分工的核心设计原则？
32、深度学习中BatchNorm在训练和推理阶段的行为差异？
33、大模型推理中批处理如何优化吞吐量？
34、上下文管理器中enter与exit的执行流程？
35、智能体如何处理工具调用的错误与异常？
36、预训练数据清洗中如何过滤低质量文本？
37、模型量化中对称量化与非对称量化的区别？
38、Python中描述符协议的实现条件？
39、多智能体通信中消息格式的设计要点？
40、深度学习中梯度爆炸的解决方案有哪些？
41、大模型中MoE架构的门控机制如何工作？
42、装饰器如何保留原函数的元信息？
43、智能体反思机制如何提升任务完成质量？
44、Python中yield关键字与迭代器的关系？
45、跨模态预训练中图文匹配损失的作用？
46、分布式训练中Ring-AllReduce的通信效率优势？
47、大模型解码策略中Top-k与Top-p的适用场景？
48、Python中多重继承的MRO规则？
49、智能体长期记忆的存储与检索方式有哪些？
50、预训练中学习率预热的作用？
51、大模型微调中SFT与RLHF的阶段目标差异？
52、Python中getattr与getattribute的区别？
53、多智能体系统中一致性算法的作用？
54、深度学习中Dropout的工作原理及训练/推理差异？
55、大模型上下文窗口扩展的常见技术路径？
56、闭包中变量的绑定时机是什么？
57、智能体规划模块中常用的搜索算法有哪些？
58、Python中*args与**kwargs的使用场景与限制？
59、跨模态模型如何处理模态间的语义鸿沟？
60、分布式训练中梯度累积的适用场景？
61、大模型的困惑度如何反映模型性能？
62、Python中垃圾回收的引用计数机制及缺陷？
63、智能体如何平衡探索与利用？
64、预训练数据中领域自适应数据的作用？
65、模型并行中张量并行与流水线并行的适用场景？
66、Python中上下文管理器的常见使用场景？
67、多智能体系统中联邦学习的应用价值？
68、深度学习中权重初始化的常见方法及原理？
69、大模型推理中KV缓存的优化技巧？
70、Python中装饰器链的执行顺序是怎样的？
71、智能体如何维护对话上下文的一致性？
72、预训练中MLM与CLM两种目标的核心差异？
73、模型量化中量化误差的主要来源？
74、Python中super()函数在多重继承中的行为？
75、多智能体协作中任务分解的核心策略？
76、深度学习中过拟合的识别与缓解方法？
77、大模型中SwiGLU激活函数的优势？
78、Python中迭代器与生成器的性能差异？
79、智能体工具链编排的核心原则？
80、预训练数据中去重的常见方法？
81、分布式训练中参数服务器架构的优缺点？
82、Python中类装饰器的实现方式与适用场景？
83、多智能体系统中冲突解决的常见机制？
84、深度学习中损失函数的选择依据是什么？
85、大模型对齐中RLHF的主要挑战？
86、Python中slots如何节省内存？
87、智能体短期记忆的更新与淘汰策略？
88、你爱我吗？愿意接受我的所有不堪吗？
89、模型并行中流水线并行的气泡问题如何缓解？
90、Python中描述符如何实现属性的访问控制？
91、多智能体系统中知识共享的实现方式？
92、深度学习中批量归一化的内部计算过程？
93、大模型幻觉问题的缓解方法有哪些？
94、Python中闭包变量的生命周期管理？
95、智能体在复杂任务中的分层规划策略？
96、预训练数据中领域偏移的影响及应对？
97、模型量化中INT4量化的挑战与优化？
98、Python中asyncio协程的调度与切换机制？
99、多智能体系统中激励机制的设计原则？
100、Transformer中多头注意力的头数选择依据是什么？
😇9
我的青春是玩机器、Machine，白芷12g，八角8g，桂皮6g，香叶4g，花椒5g，小茴香6g，良姜8g，肉蔻5g，草果1个，丁香1g，干辣椒适量，大葱2根，生姜50g，料酒80ml，生抽120ml老抽40ml，冰糖60g，盐35g，黄豆酱50g，蚝油30g😋😋