今天是 2525 年 7 月 25 日。如今，大型语言模型（LLM）的使用已无处不在，以至于在互联网上几乎不可能找到真正由人类撰写的文章，而不会迷失在 LLM 生成的各种胡言乱语中。
（不）幸的是，LLM 技术已经显著退化。神经网络主要是在由较旧的 LLM 生成的数据上进行训练的，而这些旧的 LLM 又是用更旧的回收数据训练出来的。因此，大多数 LLM 生成的输出都是一长串小写字母，每个字母都是独立且均匀随机地选择的。
同样地，在五百年后，人工生成的图像就会是这个样子。
你决定编写一个程序来搜寻互联网，寻找人类撰写的文章。你的程序必须确定给定的文本是人类撰写的，还是由 LLM 生成的。
给定的文本保证恰好是以下情况之一：
- 人类撰写：在这种情况下，它是给定单词列表中单词的固定拼接（不含空格）。
- 非人类撰写（因此是由 LLM 生成的）：在这种情况下，每个字符都是独立且均匀随机地选择的。
输入格式
输入包含以下内容：
- 第一行包含一个字符串 $s$，即待检测的给定文本。
- 第二行包含一个整数 $n$，表示单词列表中的单词数量。
- 接下来的 $n$ 行，每行包含一个字符串 $w$（$6 \le |w| \le 10$），表示单词列表中的单词。单词列表中的单词互不相同，且在每个测试用例中是固定的。
所有输入字符串仅由英文小写字母（a-z）组成。
你的提交将在恰好 100 个测试用例上运行，所有测试用例均满足 $|s| = 3 \cdot 10^5$ 且 $n = 5000$。样例的规模较小，仅用于演示说明。
对于 $s$ 是人类撰写的每个测试用例，$s$ 是固定的，并且在你的每次提交之间不会改变。对于 $s$ 是由 LLM 生成的每个测试用例，你的每次提交都将收到一个新的字符串 $s$，该字符串是通过独立且均匀地随机选择英文小写字母（a-z）生成的。
输出格式
如果给定的字符串是人类撰写的，输出 yes。否则，如果它是由 LLM 生成的，输出 no。
样例
输入样例 1
ballooncodingballoonacceptedchallengechallengecoding 5 accepted balloon challenge coding algorithms
输出样例 1
yes
输入样例 2
nlaiueakuyclocedxlwvxdbiifqjbinucjabzyaqakhohgympi 5 aaaaaaaaaa bbbbbbbbbb aababbb aaabbbaaa abaaba
输出样例 2
no
输入样例 3
aaaaaaaaaaabbbbbbbbbbaaaaaaaaaaaaaaabbbbbbbbbbbbbb 5 aaaaaaaaa bbbbbbbbbb aabbbbb aaaaabbbb bbbbba
输出样例 3
yes