北京
? 本期25篇代表性預印本
01. 卒中患者無訓練實現單指級腦控機器手
02. 單一計算目標驅動視覺流神經特化
03. Transformer解碼器結合預訓練聲碼器從ECoG合成想象語音
04. 跨線索線索重建人類視皮層感知的3D物體結構
05. 單神經元投射組模體嵌入增強人工神經網絡皮層特異性
06. 腹內側前額葉三方分區結構與功能映射
07. 價值引導Hebbian學習脈沖網絡實現多目標導航
08. 連接組啟發的DigiMus多區域小鼠神經行為建模框架
09. 等變群體幾何實現視覺調諧與不變性同步
10. 果蠅視覺系統連接組布線塑造群體神經幾何
11. 切換突觸可塑性規則協調Hebbian與BP學習
12. 閱讀學習增強書面詞與口語詞血氧表征相似性
13. 獼猴IT皮層與深度網絡朝向編碼重現指示視覺功能樞紐
14. P300拼寫器多通道EEG解碼與聚合策略對比
15. 雙節點無線EEG網絡實現選擇性聽覺注意解碼
16. 顱內腦電揭示人腦海語詞性不變神經表征
17. 分布式顱內記錄解碼慢性疼痛狀態
18. 雙重flow-matching實現神經數據可識別低維表征
19. 無強環路原則支持工作記憶容量和表征多樣性
20. 預測性E/I可塑性驅動內在表征漂移機制
21. EEG表征相似性分析揭示選擇性注意多時空動態
22. 多模態生理信號實時無創檢測疼痛波動變化
23. 電壓依賴可塑性機制解釋FES療法LTP優勢
24. 電解微泡動力學確定皮層內微刺激安全閾值
25. SpikeCleaner自動標注尖峰分類后單元質量
本期25篇代表性預印本
01
bioRxiv · 2026-06-18
Adaptive Neural Reorganization Enables Real-Time Finger-Level Robotic Control in BCI-Naive Stroke Survivors
卒中患者無訓練實現單指級腦控機器手
Yumeng Ding; Maritn Karrenbach; Zachary Johnson; Hai Wang; Jonathan Zhang; George F. Wittenberg; Bin He
https://doi.org/10.64898/2026.06.15.732267
背景：卒中后癱瘓患者能否不經過訓練即用 BCI 實現單指級機器人手控制仍未知。
方法：非侵入 EEG 運動想象 + 深度學習解碼器
結果：作者報告，九名無 BCI 經驗的卒中患者通過運動想象 EEG 控制機器手，二指任務平均解碼準確率 84%，三指任務 61%；源定位分析揭示卒中相關神經重組模式。
價值：對卒中后非侵入 BCI 臨床轉化具有直接意義，說明單指級腦控機器手在 BCI 經驗缺失人群中可行。
02
bioRxiv · 2026-06-20
A single computational objective can produce specialization of streams in visual cortex
單一計算目標驅動視覺流神經特化
Dawn Finzi; Eshed Margalit; Kendrick Kay; Daniel L. K. Yamins; Kalanit Grill-Spector
https://doi.org/10.1101/2023.12.19.572460
背景：人腦背、腹、側視覺流是否由不同行為目標驅動分化。
方法：自監督 Topographic DANN（TDANN）與大規模 fMRI 對比
結果：作者報告，一個鼓勵鄰近單元響應相似的單一目標 TDANN 比針對各流訓練的行為專屬 DANN 更貼近 fMRI 神經反應，并保留流間的空間與功能分化。
價值：挑戰流由行為驅動的主流假說，提出單一優化目標即可產生類腦視覺流分化。
03
bioRxiv · 2026-06-13
Speech Synthesis from Electrocorticography during Imagined Speech Using a Transformer-Based Decoder and a Pretrained Vocoder
Transformer解碼器結合預訓練聲碼器從ECoG合成想象語音
Satoru Komeiji; Kenji Shigemi; Tomohiko Mitsuhashi; Yutaro Iimura; Hiroshi Suzuki; Hidenori Sugano; Koichi Shinoda; Koi…
https://doi.org/10.1101/2024.08.21.608927
背景：想象語音無同步音頻，無法直接訓練語音合成模型。
方法：Transformer 解碼器 + 預訓練 Parallel WaveGAN 聲碼器
結果：作者報告，用顯式語音錄音作為代理目標訓練 Transformer 從 ECoG 生成 log-mel 譜，再經預訓練聲碼器合成波形，13 名被試上合成語音與代理目標 DTW-Pearson 相關系數 0.74–0.84。
價值：為想象語音 BCI 提供可實用的訓練框架，并展示預訓練神經聲碼器在腦-語音合成中的遷移能力。
04
bioRxiv · 2026-06-11
Cross-cue reconstruction of perceived 3D object structure from human visual cortex
跨線索線索重建人類視皮層感知的3D物體結構
Shun chi Aoki; Ryutaro Tsukasa; Sen Yang; Misato Tanaka; Eizaburo Doi; Tomoyasu Nakamura; Jun-ya Kitamura; Yukiyasu Kam…
https://doi.org/10.64898/2026.06.08.730830
背景：不同深度線索下大腦構建的共享 3D 物體表征難以直接測量。
方法：預訓練 3D 點云自編碼器 + fMRI 解碼到潛空間
結果：作者報告，將 fMRI 響應解碼到預訓練 3D 點云自編碼器的潛空間，并由生成器映射回顯式 3D 物體，可跨線索重建共享的 3D 結構。
價值：把視覺重建從 2D 圖像推進到 3D 結構層面，提供評估跨線索共享表征的新范式。
05
bioRxiv · 2026-06-17
Incorporation of single-neuron projectome-based connectivity motifs enhances the cortex-specific performance of artificial neural networks
單神經元投射組模體嵌入增強人工神經網絡皮層特異性
Yuwei Sun; Wenjie Yao; Jiajun Zhang; Wenjing Song; Xiaolong Zhao; Chengbiao Hao; Xue Chen; Shanshan Zeng; Shuncheng Jia…
https://doi.org/10.64898/2026.06.12.732007
背景：人工神經網絡能否借鑒自然皮層連接模式獲得功能優勢。
方法：CINA：將小鼠單神經元投射組學三節點連接模體嵌入 RNN 與 Transformer LLM
結果：作者報告，引入皮層平均模體分布提升 RNN 在抗噪分類與運動學習任務上的表現；皮層特異性模體進一步增強相關任務性能，并在 Motif-Transformer 大語言模型和腦信號解碼上得到驗證，圖論分析顯示網絡涌現模塊化與小世界性。
價值：為腦啟發 ANN 架構設計提供連接組學級別的結構先驗，并驗證皮層特異性模體的功能意義。
06
bioRxiv · 2026-06-19
A Tripartite Map of the Ventromedial Prefrontal Cortex
腹內側前額葉三方分區結構與功能映射
Gao Chen; Dongjing Song; Maoyou Fu; Shuting Li; Mianwei Zhang; Zaixu Cui; Mingrui Xia; Lingxiao Sun; Ye He; Ting Xu; Xi…
https://doi.org/10.64898/2026.06.18.732791
背景：腹內側前額葉如何組織情感、價值與社會認知等多功能尚不清晰。
方法：大規模元分析 + 個體任務 fMRI + 人工神經網絡編碼模型 + 多模態連接
結果：作者報告，整合 4 個互補研究發現 VMPFC 沿前后軸呈三區段組織（后部情感/中部價值/前部社會），連接指紋分析顯示各區段嵌入不同大尺度腦網絡。
價值：首次給出 VMPFC 的統一三方分區圖譜，融合編碼模型與連接分析，為情感-價值-社會研究提供結構框架。
07
bioRxiv · 2026-06-16
DeltaQ: Value-Guided Hebbian Learning in Spiking Neuronal Networks for Multi-Goal Navigation
價值引導Hebbian學習脈沖網絡實現多目標導航
Conor Earl; Gorkem Unal; Hodaya Hazan; Samuel A. Neymotin
https://doi.org/10.64898/2026.06.12.731882
背景：海馬-內嗅回路如何利用分布式空間表征支撐稀疏獎勵下的多目標導航。
方法：生物啟發脈沖神經網絡（網格細胞 + ΔQ Hebbian 學習）
結果：作者報告，結合網格細胞空間表征、ΔQ 調制 Hebbian 可塑性與上下文門控的脈沖網絡能在多目標導航任務中習得空間表征，并在行為和神經動力學上呈現類海馬特征。
價值：為生物可信 spiking 網絡在閉環任務中學習導航提供機制，彌合動力學建模與強化學習之間的鴻溝。
08
bioRxiv · 2026-06-11
DigiMus: a connectome-informed spiking framework for multi-region mouse neural-behavior modeling
連接組啟發的DigiMus多區域小鼠神經行為建模框架
Yao Liu; Xuyun Zhang; Xiaoyu Chen; Chengbiao Hao; Wenjie Yao; Jiajun Zhang; Yi Sun; Tielin Zhang
https://doi.org/10.64898/2026.06.09.731075
背景：如何用生物連接組結構先驗約束小鼠腦-行為計算模型。
方法：LIF 脈沖 + 腦區特異三節點模體正則化序列建模
結果：作者報告，DigiMus 利用約 50 個腦區 38,481 個重建神經元形態導出的有向三節點模體引導循環耦合，在 18 項規則認知任務和 3 個小鼠神經解碼數據集上相對 TCN/LSTM/Transformer 基線有穩定—復雜任務下顯著—的提升，并保留訓練后連接中的模體痕跡。
價值：為多區域小鼠神經-行為建模提供模塊化、連接組啟發的工作流，可用于假設生成而非完整數字孿生。
09
bioRxiv · 2026-06-15
Equivariant neuronal populations enable simultaneous tuning and invariance
等變群體幾何實現視覺調諧與不變性同步
Jens Hoeller; Lanyu Zhong; Lars Heinrich; Stephan Saalfeld; Marius Pachitariu; Sandro Romani
https://doi.org/10.1101/2024.08.02.606398
背景：腦如何同時編碼場景身份（不變性）與視角變化（可調諧）。
方法：等變群體幾何框架 + 小鼠 V1–RL–LM–AL 大規模神經記錄
結果：作者報告，小鼠視覺皮層群體響應可分解為正交的調諧與不變子空間；在 LM、AL 等高級區等變結構比 V1、RL 更顯著，并解釋調諧與不變性的同步增強。
價值：為不變-可調諧二象性提供統一幾何框架，并驗證其在皮層層級中逐漸增強的實驗證據。
10
bioRxiv · 2026-06-12
Connectome wiring shapes population-level neural geometry in the Drosophila visual system
果蠅視覺系統連接組布線塑造群體神經幾何
Michael George Zhou; Joshua O. Hasler
https://doi.org/10.64898/2026.06.10.731214
背景：生物布線究竟為神經計算貢獻了什么。行為保真度無法區分生物保真度。
方法：表征收狀幾何（不依賴行為解碼器）評估生物連接 vs 任意連接
結果：作者報告，表征收狀幾何可作為無需行為解碼器即可區分真實生物連接與任意連接的群體級度量；在果蠅視覺系統中，生物連接結構對應特定的群體幾何特征。
價值：為連接組驅動的神經計算評估提供新準則，對類腦 AI 與神經科學模型保真度評估都有方法論價值。
11
bioRxiv · 2026-06-11
Learning using switching synaptic plasticity rules
切換突觸可塑性規則協調Hebbian與BP學習
Denis Turcu; James Cornford; Sven Dorkenwald; Stefan Mihalas
https://doi.org/10.64898/2026.06.10.731456
背景：Hebbian 學習常被證實但難以解決復雜任務，BP 等非局部信號生物上不現實。
方法：RNN 中弱突觸用 Hebbian、強突觸用 BP 的切換可塑性網絡（psRNN）
結果：作者報告，psRNN 用比 BP 少的信用分配突觸、更少試驗即可學會工作記憶等任務；BP 提供多配置梯度估計、Hebbian 給出任務相關初始化，切換機制阻止 Hebbian 突觸進入不利參數區，并產生更低秩、更前饋的循環結構。
價值：調和生物上的局部可塑性與 BP 類的非局部信用分配，提出可由連接組學驗證的預測。
12
bioRxiv · 2026-06-22
Representational similarity of hemodynamic brain responses to written and spoken words increases when learning to read
閱讀學習增強書面詞與口語詞血氧表征相似性
Kumiko Maruo; Rebecca Kessler; Falk Huettig; Michael A. Skeide
https://doi.org/10.64898/2026.05.08.723790
背景：閱讀學習如何在大腦中跨視聽模態綁定詞形與語音。
方法：fMRI + 視聽跨模態表征相似性分析
結果：作者報告，小學生在 IFG、IPL、STG 和顳-枕皮層的視聽表征相似性隨年級提升而增加，并在左側后部 STG 最強。
價值：為閱讀發展提供神經層面跨模態對齊的縱向證據，支持閱讀習得中跨模態整合的漸進增強。
13
bioRxiv · 2026-06-22
Re-emergence of orientation coding in primate IT cortex and deep networks reveals functional hubs for visual processing
獼猴IT皮層與深度網絡朝向編碼重現指示視覺功能樞紐
Babak Karami; Tushar Nigam; Svenja S. Plewe; Caspar M. Schwiedrzik
https://doi.org/10.1101/2025.10.23.684240
背景：高效編碼假說預測朝向不應在高級視皮層冗余編碼，但缺乏系統驗證。
方法：獼猴 fMRI + MVPA + 深度網絡層級對比
結果：作者報告，獼猴 V1–IT 全腹側流均保留顯著朝向信息，呈皮層-層級-視網膜拓撲混合分布；深度網絡中也出現類似重新涌現的朝向編碼模式，并揭示視覺處理的功能樞紐區。
價值：挑戰高效編碼在高級皮層適用性，給出 IT 編碼保持基礎特征的群體證據，連接深度網絡層級結構與生物視覺。
14
bioRxiv · 2026-06-22
Data aggregation strategies for a P300 speller: decoding models, epoch averaging, cross-subject ensembles, and multi-channel models
P300拼寫器多通道EEG解碼與聚合策略對比
Leonid Sidorov; Aleksandra Makarova; Aleksandre Maysuradze; Mikhail Lebedev
https://doi.org/10.64898/2026.06.17.732982
背景：EEG P300 在少試次時信噪比低、被試間差異大，難以可靠分類。
方法：EEGNet / BaseCNN / SVM 對比單試次、被試內聚合、跨被試多通道等聚合策略
結果：作者報告，單試次 ITR 僅有 0.15–0.64 bit/試次；采用 K=3 每被試試次（30 通道）的多通道 EEGNet 取得最高 ITR（無遮擋 0.95、有遮擋 0.97 bit/聚合決策），逼近二分類理論極限。
價值：為多被試 BCI 聚合給出系統性指南，證實保留被試間結構的多通道架構優于簡單平均。
15
bioRxiv · 2026-06-12
Selective Auditory Attention Decoding with a Two-Node Wireless EEG Sensor Network
雙節點無線EEG網絡實現選擇性聽覺注意解碼
Simon Geirnaert; Ruoyu Ding; Alexander Bertrand
https://doi.org/10.64898/2026.02.17.706305
背景：可穿戴、無遮擋、全無線 EEG 平臺下選擇性聽覺注意解碼（sAAD）能否實用。
方法：兩節點無線 EEG 傳感器網絡（每節點 4 通道）+ sAAD 算法
結果：作者報告，雙側耳周小型無線節點組成的 8 通道網絡在多說話人場景下達到接近有線多通道設備的 sAAD 性能，并驗證算法在硬件受限條件下的魯棒性。
價值：為神經驅動助聽設備的日常可穿戴化提供硬件-算法協同驗證。
16
bioRxiv · 2026-06-15
Invariant Neural Representation of Parts of Speech in the Human Brain
顱內腦電揭示人腦海語詞性不變神經表征
Prachi Misra; Yu-Chieh Shih; Hsin-Yi Yu; David Weisholtz; Joseph R. Madsen; Scellig S. Sceillig; Gabriel Kreiman
https://doi.org/10.1101/2024.01.15.575788
背景：大腦如何在詞匯層面表征形容詞-名詞等詞性信息。
方法：20 名癲癇患者 1801 個顱內電極 iEEG + 跨任務/跨模態分類
結果：作者報告，iEEG 信號可在視聽跨模態、詞長/頻率/語義變化、不同語言等多重條件下識別詞性，呈現穩健的不變神經表征。
價值：把語言腦表征與 AI 語言模型對齊，提供詞性的基本單位級電生理證據。
17
bioRxiv · 2026-06-22
Decoding Chronic Pain States from Distributed Intracranial Recordings
分布式顱內記錄解碼慢性疼痛狀態
Jeremy Saal; Ankit N. Khambhati; Edward F. Chang; Prasad Shirvalkar
https://doi.org/10.64898/2026.06.16.732555
背景：慢性疼痛的神經表征是否可從分布式顱內記錄中實時解碼。
方法：分布式立體定向腦電 sEEG + 同步疼痛評分 + 跨個體解碼模型
結果：作者報告，6 名難治性神經病理痛患者多日 sEEG 可在個體內部以中位 AUC 0.72 解碼自發性高/低痛狀態（5/6 超過幾率），疼痛預測信號廣泛分布且高度個體化，但在眶額、ACC 等區域呈偏好性表征。
價值：為慢性疼痛閉環神經調控提供個體化顱內解碼證據，凸顯眶額-前扣帶在分布式疼痛表征中的核心地位。
18
bioRxiv · 2026-06-23
Dynamic Compression Flows for Neuroscience Data
雙重flow-matching實現神經數據可識別低維表征
Ganchao Wei; Daniel de Albuquerque; Marcelo Martinez; Shangyan Pan; John Pearson
https://doi.org/10.64898/2026.02.12.705535
背景：神經群體動力學既低維又保持時序結構，現有潛變量方法要么破壞時序、要么潛空間對數據不可識別。
方法：雙重 flow-matching：時間演化流 + 數據-潛空間映射流 + 軟低維支撐約束
結果：作者報告，提出的雙重流方法在神經與行為數據上同時獲得更可識別的低維表征與更高質量重建，并在噪聲主導的數據集上優于現有競爭方法。
價值：為神經時間序列潛變量建模提供兼顧可識別性與時序保真的生成式框架。
19
bioRxiv · 2026-06-11
A Computational Perspective on the No-Strong-Loops Principle in Brain Networks
無強環路原則支持工作記憶容量和表征多樣性
Fatemeh Hadaeghi; Khashayar Fakhar; Moein Khajehnejad; Claus Hilgetag
https://doi.org/10.1101/2025.09.24.678310
背景：皮層無強環路原則（feedforward 強于 feedback）的計算意義未明。
方法：儲備池計算 RNN + 合成與哺乳類皮層啟發的連接架構
結果：作者報告，連接性不對稱支撐高工作記憶容量與表征多樣性；增加互惠連接反而降低儲備池計算的容量與多樣性。
價值：為皮層環路結構-功能關系提供計算解釋，連接神經解剖學與類腦 AI 架構設計。
20
bioRxiv · 2026-06-23
Intrinsic representational drift from predictive excitatory-inhibitory plasticity
預測性E/I可塑性驅動內在表征漂移機制
Toshitake Asabuki; Claudia Clopath
https://doi.org/10.64898/2026.06.17.733055
背景：穩定環境下神經表征為何仍逐漸漂移。
方法：脈沖興奮-抑制網絡 + 預測性突觸可塑性 + 海馬位置細胞建模
結果：作者報告，在不變輸入下預測性可塑性可在 spiking E/I 網絡中內在產生表征漂移：單細胞偏好漂移但群體編碼保持；擴展到海馬可復現 CA1 中經驗依賴的調諧漂移，并表現為神經狀態空間的協同旋轉與平移。
價值：為經驗穩定但表征漂移現象提供不依賴外部驅動的內在機制解釋。
21
bioRxiv · 2026-06-23
Representational similarity analysis of EEG reveals multiple spatiotemporal dynamics of selective attention
EEG表征相似性分析揭示選擇性注意多時空動態
Jaesung Kim; Woojae W. An; Alana Noyce; Barbara Shinn-Cunningham
https://doi.org/10.64898/2026.06.18.733142
背景：空間與說話人導向的聽覺選擇性注意如何在大腦中被差異化表征。
方法：多任務聽覺注意 EEG + 時間分辨 RSA + 寬帶/α 振蕩雙測量
結果：作者報告，寬帶頭皮電壓在目標提示后與 300 ms 處出現任務可分性短峰，而 α 振蕩呈現不同的表征軌跡，兩種測量顯示選擇性注意的多個時空動力學。
價值：為 EEG 層級聽覺注意解碼提供 RSA 新視角，并區分寬帶與振蕩兩套機制。
22
bioRxiv · 2026-06-20
Noninvasive and Objective Near Real-Time Detection of Pain Changes During Tonic Fluctuating Noxious Heat Stimulation
多模態生理信號實時無創檢測疼痛波動變化
Leonard Visser; Christian Buechel
https://doi.org/10.64898/2026.01.26.701710
背景：慢性疼痛波動中的自發減弱能否用易獲取生理信號實時檢測。
方法：EEG/EDA/HR/pupil/面部表情 + 最小預處理 + Transformer 分類器
結果：作者報告，結合皮膚電、心率與瞳孔的 Transformer 模型在 9 人獨立測試集上達 AUROC 0.854、準確率 76.8%；連續流檢測延遲中位 5.75 s、靈敏度 70.4%，其中 EDA 是最強單預測。
價值：為慢性疼痛閉環干預提供低門檻、實時的多模態深度學習檢測方案。
23
bioRxiv · 2026-06-19
A computational framework with voltage-dependent synaptic function explains LTP-dominant plasticity during functional electrical stimulation therapy
電壓依賴可塑性機制解釋FES療法LTP優勢
Matthew C. Howard; Kei Masani; Milad Lankarany
https://doi.org/10.64898/2026.06.15.732206
背景：經典 STDP 規則預測 FES 應同時誘發 LTP/LTD，但臨床上 FES 主要誘導 LTP，機制未明。
方法：電壓依賴可塑性計算框架 + 多尖峰交互模擬
結果：作者報告，加入突觸后膜動力學與高階尖峰交互的電壓依賴可塑性框架顯示，生理化 ISI 變異性偏向 LTP，高度規則輸入偏向 LTD，從而解釋 FES 療法下 LTP 優勢。
價值：為神經康復 FES 療法與腦刺激方案的優化提供可解釋的突觸機制模型。
24
bioRxiv · 2026-06-23
Electrolytic-Microbubble Dynamics Delineate Safety Thresholds During Intracortical Microstimulation with Flexible Neural Interfaces
電解微泡動力學確定皮層內微刺激安全閾值
Aleksandr Iliasov; Hanlin Ma; Feng Li; Zhiyi Chen; Mingde Xu; Chengzhu Yu; Rong Li; Jian Wu; Fei He
https://doi.org/10.64898/2026.06.17.733032
背景：超柔性皮層內微刺激（ICMS）的安全電流邊界由何種微觀機制決定。
方法：活體雙光子 + 電生理 + 多物理場仿真（Faradaic 氣泡模型）
結果：作者報告，氣泡沿電極形成且尺寸隨電流二次增長；20–40 μA 下血管滲漏小且可逆，≥60 μA 突變為場主導的廣泛滲漏與運動響應；多物理仿真復現該非線性并揭示氣泡作為局部電場調制器的雙重作用。
價值：為 ICMS 與雙向 BCI 提供機制驅動的安全窗口，并以可仿真模型預測高電流下的失效模式。
25
bioRxiv · 2026-06-23
SpikeCleaner: An Algorithm to Label Unit Quality After Automated Spike Sorting
SpikeCleaner自動標注尖峰分類后單元質量
Diksha Zutshi; Dmitrii Berezhnoi; Ananta Ghimire; Jack Hartner; Dohoung Kim; Blair O. Watson
https://doi.org/10.64898/2026.06.18.733033
背景：Neuropixels 等高通量記錄下手動整理 spike sorting 結果已不可擴展。
方法：自動化 spike sorting 后的單元質量標記算法
結果：作者報告，SpikeCleaner 通過對自動 spike sorting 輸出應用標準化質量準則實現單元可信度自動標記，顯著減少人工審校負擔并降低主觀性。
價值：為高密度電生理工作流提供可擴展的質控環節，提升大規模神經數據可重復性。
暑期提升
編輯：BQ
審核：PsyBrain 腦心前沿編輯部
你好，這里是「PsyBrain 腦心前沿」
專注追蹤全球認知神經科學的最尖端突破
視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊
每日速遞「深度解讀」與「前沿快訊」
科研是一場探索未知的長跑，但你無需獨行。歡迎加入PsyBrain 學術社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。
點擊卡片進群，歡迎你的到來
一鍵關注，點亮星標 ? 前沿不走丟！
一鍵分享，讓更多人了解前沿
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
