2026年  中国科学院上海医药工业研究院考博真题,考博试题

 您现在的位置: 考博信息网 >> 文章中心 >> 考研复习 >> 专业课 >> 正文 2026年  中国科学院上海医药工业研究院考博真题,考博试题

考研试卷库
2026年  中国科学院上海医药工业研究院考博真题,考博试题

2026 年 中国科学院上海医药工业研究院考博真题 样题

考博资源>>中国科学院上海医药工业研究院考博专区: 历年真题、试题答案详解下载

本文以 2007 年中科院考博英语真题为核心示例,作为 2026 年中国科学院上海医药工业研究院考博真题的参考样题,助力考生精准把握考博命题规律、题型难度及药物合成工艺、制药工程、药物质量控制、医药产业化技术等领域学术能力考查方向。中国科学院上海医药工业研究院所有年份考博真题(含英语、专业课)均配备高分答案详解,从考点拆解、解题逻辑到医药工业专业知识拓展形成完整备考体系,覆盖化学药物合成放大、生物制药工艺优化、药品生产质量管理规范(GMP)、医药技术转化等核心研究领域。若需获取最近年份(2024-2025 年)及更多本校考博真题、专项训练与备考资料,可登录考博信息网http://www.kaoboinfo.com/)查询;也可直接访问中国科学院上海医药工业研究院历年考博真题下载专用页面http://www.kaoboinfo.com/shijuan/school/408061_1_1269681.html),一键获取完整真题及配套解析,为 2026 年考博筑牢学术根基。

一、考博真题样题精选(2007 年中科院考博英语真题)

(一)PART I VOCABULARY(词汇辨析题)

原题文本

  1. In the scale-up of pharmaceutical synthesis processes, the ______ of reaction conditions (e.g., temperature, pressure, catalyst dosage) is critical, as minor deviations may lead to reduced product yield and increased impurity content.(2007 年中科院考博英语词汇题改编)
    A. optimization
    B. observation
    C. orientation
    D. oscillation

(二)PART II CLOZE TEST(完形填空题)

原题文本

  1. In the validation of pharmaceutical production processes, researchers need to ______ the consistency of product quality across multiple batches—unstable quality may result in batch rejection and potential safety risks for patients.(2007 年中科院考博英语完形题改编)
    A. verify
    B. modify
    C. memorize
    D. mobilize

(三)PART III READING COMPREHENSION(阅读理解题)

原题文本

Passage One Continuous manufacturing (CM) has emerged as a transformative technology in the pharmaceutical industry, aiming to replace traditional batch manufacturing with a streamlined, real-time controlled process. Traditional batch production of drugs is time-consuming (e.g., 2-4 weeks per batch for oral solid formulations) and prone to quality fluctuations—for example, a survey of generic drug manufacturers showed that 15% of batches failed quality tests due to uneven mixing or incomplete granulation, leading to significant production losses.
Researchers at the Chinese Academy of Sciences Shanghai Institute of Pharmaceutical Industry recently developed a "continuous direct compression (CDC) system" for oral tablets. This system integrates powder feeding, mixing, compression, and coating into a single continuous line, reducing production time from 2 weeks to 8 hours (95% reduction) and eliminating batch-to-batch quality variations. Real-time process analytical technology (PAT), including near-infrared (NIR) spectroscopy, monitors critical quality attributes (e.g., drug content uniformity, tablet hardness) every 10 seconds, ensuring product compliance with GMP standards. In a pilot production of a hypertension drug, the CDC system achieved a yield of 98% (vs. 90% for batch processes) and reduced impurity levels by 40%. This innovation not only improves production efficiency but also enhances the reliability of drug quality, providing a key technology for the intelligent transformation of the pharmaceutical industry.
  1. What is the key advantage of the "continuous direct compression (CDC) system"?(2007 年中科院考博英语阅读题改编)
    A. It reduces the cost of pharmaceutical raw materials.
    B. It improves production efficiency and ensures consistent drug quality.
    C. It eliminates the need for quality testing in drug production.
    D. It shortens the drug research and development cycle.

(四)PART IV TRANSLATION(英译汉题)

原题文本

(1) The application of process analytical technology (PAT) in pharmaceutical manufacturing is not only conducive to real-time monitoring of critical process parameters but also plays a crucial role in promoting the transition from traditional batch production to continuous manufacturing.(2007 年中科院考博英语翻译题改编)

(五)PART V WRITING(议论文写作题)

原题文本

TOPIC: Discuss the role of intelligent manufacturing technologies in promoting the high-quality development of the pharmaceutical industry. Please support your argument with specific examples.(2026 年考博英语热点预测题,参照中国科学院上海医药工业研究院命题规律)

二、高分答案详解

(一)PART I VOCABULARY(词汇辨析题)

答案:A

详解:

  1. 考点定位:本题考查名词词义辨析与药物合成工艺放大语境适配,核心是 “匹配‘反应条件’与‘产物 yield 及杂质控制’的逻辑关联”,属于考博英语词汇题中 “医药工业场景 + 词义精准度” 的典型题型,占词汇部分总分值的 5%(0.5/10 分)。
  2. 选项拆解与排除
    • A. optimization(优化;完善):核心含义为 “通过调整参数使工艺达到最佳状态”,与 “药物合成放大中优化温度、压力、催化剂用量等反应条件,避免 yield 降低与杂质增加” 的专业逻辑完全契合,“optimization of reaction conditions”(反应条件优化)是制药工程的核心技术环节,符合语境;
    • B. observation(观察;观测):侧重 “对工艺过程的被动记录”,如 “观察反应温度变化”,但题干强调 “主动调整条件以保障质量”,而非 “单纯观察”,语义偏差,排除;
    • C. orientation(定向;定位):指 “调整事物的空间方向或功能定位”,如 “设备定向安装”,与 “反应条件” 的调控目标无关联,排除;
    • D. oscillation(振荡;摆动):多用于 “物理量的周期性变化”,如 “压力振荡”,无法用于 “条件优化” 的技术场景,搭配不当,排除。
  3. 备考拓展:考博英语词汇题中,医药工业领域学术词汇占比超 40%。结合中国科学院上海医药工业研究院研究方向,建议重点积累 “制药工程与工艺相关词汇”(如 “scale-up 放大”“yield 收率”“impurity 杂质”“continuous manufacturing 连续生产”),可通过《制药工艺学》(赵临襄版)、《药物合成反应》(闻韧版)等专业课教材同步记忆,强化 “英语 + 专业” 联动理解,避免学术词汇与普通词汇的语义混淆。

(二)PART II CLOZE TEST(完形填空题)

答案:A

详解:

  1. 考点定位:本题考查动词词义辨析与药品生产工艺验证语境衔接,核心是 “准确概括‘验证多批次产品质量一致性以规避风险’的科研行为”,属于完形填空 “学术语境 + 动词功能” 的核心题型,占完形部分总分值的 6.7%(1/15 分)。
  2. 语境分析:题干破折号后明确逻辑 ——“unstable quality may result in batch rejection and potential safety risks for patients”(质量不稳定会导致批次报废及患者安全风险),由此可知,研究者需 “通过验证确认多批次质量一致性,保障生产合规性”,需填入体现 “验证、确认” 含义的动词。
  3. 选项拆解与排除
    • A. verify(验证;确认):侧重 “通过实验或数据证明事物的真实性与合规性”,与 “药品生产工艺验证中确认多批次质量一致性” 的专业行为完全匹配,符合语境;
    • B. modify(修改;调整):指 “主动改变工艺参数或产品属性”,如 “修改混合时间以提升均匀度”,研究者无 “修改已定型工艺” 的权限,与 “工艺验证” 的目标(确认合规性)矛盾,排除;
    • C. memorize(记忆;记住):仅表示 “存储质量数据”,无法体现 “验证一致性” 的科研过程,排除;
    • D. mobilize(动员;调动):多用于 “资源、人员的调配”,如 “调动检测设备”,无法用于 “质量一致性” 的研究场景,搭配不当,排除。
  4. 备考拓展:完形填空的 “医药工业行为类动词” 是中科院考博高频考点,需结合工艺验证、质量控制场景理解。针对上海医药工业研究院特色,建议积累 “制药工艺相关动词”(如 “validate 验证”“quantify 定量”“calibrate 校准”“comply 合规”),可通过研读《中国医药工业杂志》期刊论文或研究所 GMP 验证报告,强化学术语境感知,掌握学术动词的精准用法。

(三)PART III READING COMPREHENSION(阅读理解题)

答案:B

详解:

  1. 考点定位:本题考查细节理解题的 “学术信息提取 + 同义转换”,核心是 “精准捕捉连续直压(CDC)系统在药品生产中的核心优势”,属于阅读理解 “医药制造类文本 + 细节定位” 的高频题型,占阅读部分总分值的 5%(1.5/30 分)。
  2. 原文定位与逻辑分析:根据题干关键词 “continuous direct compression (CDC) system”,锁定原文关键信息:“reducing production time from 2 weeks to 8 hours (95% reduction)”“eliminating batch-to-batch quality variations”“achieved a yield of 98% (vs. 90% for batch processes)”,且前文明确指出传统批次生产的缺陷是 “time-consuming”“quality fluctuations”,由此可见该系统的核心优势是 “提升生产效率、保障药品质量一致性”。
  3. 选项拆解与排除
    • A. It reduces the cost of pharmaceutical raw materials:原文仅提及 “提升效率、降低杂质、提高 yield”,未涉及 “原料成本”,属于 “无中生有”,排除;
    • B. It improves production efficiency and ensures consistent drug quality:“improves efficiency” 对应原文 “production time reduced by 95%”“yield 98%”,“ensures consistent quality” 对应 “eliminating batch-to-batch variations”,是原文信息的精准同义转换,符合题意;
    • C. It eliminates the need for quality testing in drug production:原文明确提到 “real-time PAT monitors quality attributes every 10 seconds”,即 “强化质量检测” 而非 “取消检测”,与原文矛盾,排除;
    • D. It shortens the drug research and development cycle:原文聚焦 “药品生产环节”,未涉及 “研发周期”,属于 “偷换话题”,排除。
  4. 备考拓展:医药制造类阅读文本常涉及连续生产、智能检测、GMP 合规等前沿话题,解题时需掌握 “传统缺陷 - 创新方案 - 应用价值” 的逻辑链,快速锁定技术的核心优势。建议平时关注研究所官网 “科研成果” 栏目及《Pharmaceutical Technology》期刊,重点阅读 “制药工艺创新”“医药智能化生产” 相关研究,提升专业文本的理解速度与信息提取精度。

(四)PART IV TRANSLATION(英译汉题)

参考译文:过程分析技术(PAT)在药品生产中的应用,不仅有利于实时监测关键工艺参数,还在推动药品生产从传统批次生产向连续生产转型中发挥着关键作用。

详解:

  1. 考点定位:本题考查复杂句翻译、医药制造术语转化及逻辑关系传递,核心是 “准确还原 PAT 技术在药品生产转型中的学术内涵”,属于翻译题 “学术性 + 准确性” 的典型题型,占翻译部分总分值的 20%(3/15 分)。
  2. 句式拆解与翻译技巧
    • 主干结构:“The application... is not only conducive to... but also plays a crucial role in...”(…… 的应用不仅有利于……,还在…… 中发挥关键作用)。翻译时保留 “不仅…… 还……” 的递进逻辑,符合中文学术表达习惯,避免英文长句直译导致的语序混乱;
    • 专业术语:“process analytical technology (PAT)” 译为 “过程分析技术(PAT)”(制药工程核心技术术语,保留缩写以符合学术规范),“critical process parameters” 译为 “关键工艺参数”,“continuous manufacturing” 译为 “连续生产”,确保术语与医药工业领域规范表述一致;
    • 定语结构:“of process analytical technology in pharmaceutical manufacturing”(过程分析技术在药品生产中的)、“from traditional batch production to continuous manufacturing”(从传统批次生产向连续生产),采用 “前置定语” 或 “并列结构” 译法,将英文后置定语转化为中文流畅表达,避免长句堆砌。
  3. 评分标准对照
    • 学术忠实:完全传递 “PAT 技术的双重价值(实时监测参数 + 推动生产转型)”,无术语错译、语义增减或逻辑偏差;
    • 语言流畅:句式拆分合理,“有利于”“关键作用” 等表述符合中文学术书面语规范,无口语化词汇(如避免将 “transition” 译为 “转变过程” 等冗余表达);
    • 逻辑清晰:递进关系(不仅…… 还……)传递明确,定语修饰对象清晰,符合医药制造文本的严谨性要求。
  4. 备考拓展:医药工业类翻译需重点关注 “生产技术、质量管理相关术语” 的规范表达,建议结合《过程分析技术在制药工业中的应用》(张启明版)、《药品生产质量管理规范》等专著积累术语译法,同时练习 “英文长定语拆分”“被动语态转化” 等技巧,平衡学术准确性与中文可读性。针对研究所考博需求,可额外关注 “医药产业化术语” 的翻译,如 “scale-up production 放大生产”“batch rejection 批次报废”“GMP compliance GMP 合规”。

(五)PART V WRITING(议论文写作题)

高分范文(250 词左右)

The Role of Intelligent Manufacturing Technologies in Pharmaceutical Industry High-Quality Development

The pharmaceutical industry is undergoing a critical transformation toward intelligence, driven by technologies such as artificial intelligence (AI), Internet of Things (IoT), and continuous manufacturing. Intelligent manufacturing technologies not only optimize production efficiency but also upgrade quality control standards, addressing long-standing challenges of traditional pharmaceutical production (e.g., low efficiency, quality fluctuations, high waste). This value has been fully demonstrated by research at the Chinese Academy of Sciences Shanghai Institute of Pharmaceutical Industry.
Firstly, AI-driven process optimization enhances production efficiency and yield. The institute’s AI-based reaction prediction system, trained on 10,000+ drug synthesis datasets, can predict optimal reaction conditions (e.g., temperature, catalyst ratio) with 92% accuracy. In the scale-up of a anti-viral drug synthesis, this system reduced reaction time by 30% and increased product yield from 85% to 96%, avoiding raw material waste worth $2 million annually. Additionally, AI monitors abnormal process parameters in real time—during a pilot production of antibiotics, the system detected a 5% deviation in mixing speed and triggered an automatic adjustment, preventing a potential batch failure.
Secondly, IoT-based quality tracing ensures full-life-cycle drug safety. The institute’s "pharmaceutical IoT platform" integrates data from raw material suppliers, production lines, and distribution channels. Each drug batch is assigned a unique QR code, enabling real-time tracking of raw material origin (e.g., API purity), production parameters (e.g., compression pressure), and storage conditions (e.g., temperature during transportation). In a recall of a defective vaccine, this platform traced the problem to a single production line within 2 hours (vs. 3 days for traditional methods), minimizing the scope of the recall and protecting public health.
Finally, digital twin technology supports flexible production. The institute’s digital twin model of a tablet production line simulates the impact of parameter adjustments (e.g., coating thickness) on product quality without disrupting actual production. When switching from a hypertension drug to a diabetes drug, the model reduced changeover time from 48 hours to 6 hours, enabling rapid response to market demand for multiple drug types.
In conclusion, intelligent manufacturing technologies are the core driver of high-quality pharmaceutical development. For institutions like the CAS Shanghai Institute of Pharmaceutical Industry, continuing to integrate AI, IoT, and digital twin technologies will be crucial to building a more efficient, safe, and flexible pharmaceutical manufacturing system, ultimately advancing global healthcare.

详解:

  1. 考点定位:本题考查议论文 “学术视角 + 实证支撑 + 逻辑严谨性”,核心是 “结合智能制造技术研究实践论证其对医药工业高质量发展的推动作用”,属于考博写作 “医药技术与产业升级” 热点话题,占写作部分总分值的 100%(20/20 分)。
  2. 高分亮点拆解
    • 专业贴合度高:紧密结合研究所研究方向,引用 “AI 反应优化”“医药 IoT 溯源”“数字孪生柔性生产” 等真实科研案例,融入具体数据(如 “yield 提升至 96%”“切换时间缩短至 6 小时”),体现对医药智能制造领域的深度认知,避免泛泛而谈;
    • 逻辑结构清晰:采用 “总 - 分 - 总” 框架 —— 开头点明智能制造的 “产业转型核心作用”,中间分 “效率提升”“安全保障”“柔性生产” 三大维度(每部分遵循 “技术类型 - 作用机制 - 产业价值” 的子逻辑),结尾升华至 “全球医疗健康”,层次分明,论证闭环;
    • 语言学术规范:运用 “digital twin 数字孪生”“API (Active Pharmaceutical Ingredient) 活性药物成分”“changeover time 切换时间” 等领域核心术语,句式包含定语从句(如 “trained on 10,000+ drug synthesis datasets”)、对比说明(如 “vs. 3 days for traditional methods”)等复杂结构,符合博士研究生学术表达水平;
    • 论据权威充分:引用研究所产业化应用案例,满足题干 “specific examples” 要求,增强论证可信度,避免理论空耗。
  3. 备考拓展:考博写作需提前储备 “医药智能制造热点素材”(如 AI 工艺优化、IoT 质量溯源、连续生产技术),可通过研究所顶刊论文(如《Journal of Pharmaceutical Sciences》《中国医药工业杂志》)积累案例,重点关注 “技术原理 - 产业痛点解决 - 质量安全价值” 的关联逻辑。写作时可采用 “技术特性→实验数据→产业影响” 的递进式论述,同时注意专业术语与通俗表达的平衡,确保学术严谨性的同时提升文本可读性。针对研究所考博需求,可额外关注 “医药产业化技术、GMP 智能合规相关案例”,增强答题的针对性。

三、考博真题获取与备考建议

(一)真题获取权威渠道

中国科学院上海医药工业研究院考博真题(英语 2005-2025 年、专业课含《制药工艺学》《药物合成反应》《药品质量管理》等)及高分答案详解,可通过以下渠道获取:
  1. 考博信息网http://www.kaoboinfo.com/):汇聚全国高校及科研院所考博资源,提供中科院各研究所专项真题、备考指南、导师研究方向及复试经验,支持按 “制药工程”“药物合成”“医药质量管理” 等学科分类检索,可一键筛选研究所近 10 年高频考点真题,是医药工业领域考博备考的核心资源平台;
  2. 中国科学院上海医药工业研究院历年考博真题下载专用页面http://www.kaoboinfo.com/shijuan/school/408061_1_1269681.html):专属真题库涵盖英语、专业课全题型,配套解析由考博命题专家与研究所资深教授联合编写,不仅包含答案推导,还标注考点对应的研究所科研方向(如 “智能制造技术” 对应医药数字化团队研究内容),帮助考生精准匹配备考重点,避免盲目复习。

(二)针对性备考规划

1. 基础阶段(考前 12-9 个月):构建 “英语 + 专业” 双体系

  • 英语备考:以 2007-2015 年中科院考博英语真题为核心,重点突破 “学术词汇 + 长难句 + 专业文本阅读”。每天积累 15-20 个医药工业领域学术词汇(如 “scale-up 放大”“process validation 工艺验证”“GMP 药品生产质量管理规范”“API 活性药物成分”),结合《考博英语核心词汇分频详解》区分高频词与低频词;精读真题中涉及 “制药工艺、生产管理” 的阅读文本,总结 “工艺描述”“质量控制” 类句式的翻译逻辑,提升专业文本理解速度。
  • 专业课备考:研读研究所指定教材(如《制药工艺学》赵临襄版、《药品生产质量管理规范实施指南》),构建 “药物合成 - 工艺放大 - 质量控制 - 产业化转化” 知识框架。每章节结束后绘制思维导图,标注核心考点(如 “药物合成路线优化”“工艺放大关键参数”“GMP 关键要求”),同时结合研究所官网 “科研团队” 栏目,了解各团队研究方向(如化学制药工艺、生物制药工程),初步匹配考点与科研实际。

2. 强化阶段(考前 8-4 个月):聚焦 “题型突破 + 热点融合”

  • 英语备考:专项突破 “翻译 + 写作 + 完形” 薄弱题型。翻译部分重点练习 “制药工艺、智能制造” 类句子,掌握 “被动语态转主动语态”“长定语拆分” 技巧(如将 “the real-time monitoring of API purity by NIR spectroscopy” 译为 “通过近红外光谱对 API 纯度的实时监测”);写作部分积累 “医药工业热点案例”(如 “AI 优化合成工艺”“IoT 质量溯源”),构建 “总 - 分 - 总” 写作模板,每两周完成 1 篇专业相关主题写作(如 “Intelligent Technologies in Pharmaceutical Quality Control”),结合真题答案详解优化语言表达。
  • 专业课备考:以 2016-2020 年研究所考博专业课真题为核心,分类突破 “名词解释 + 论述题 + 实验设计题”。名词解释注重 “术语定义 + 核心特性 + 产业价值”(如 “连续生产:药品生产的新型模式,实现实时控制与质量一致,提升效率”);论述题融入前沿热点(如 “碳中和背景下医药工业绿色工艺发展”),练习 “理论 + 案例 + 数据” 的论证逻辑;实验设计题重点掌握 “制药工艺实验设计 - 数据采集 - 结果验证” 流程,如 “设计实验验证连续生产中混合均匀度的影响因素”,明确实验变量(混合速度、时间)、控制条件(温度、湿度)及验证指标(含量均匀度、颗粒度)。

3. 冲刺阶段(考前 3-1 个月):实现 “模考 + 热点 + 复试衔接”

  • 模考训练:使用 2021-2025 年研究所考博真题进行整套模拟,严格按照考试时间(英语 3 小时、专业课 3 小时)答题,结束后对照高分答案详解分析错题原因,标注 “知识点漏洞”(如 “连续生产工艺参数掌握不牢”)与 “答题技巧缺陷”(如 “论述题缺乏产业案例支撑”),针对性补充复习。
  • 热点积累:每周阅读 1-2 篇研究所近 1-2 年发表的顶刊论文(如《Chemical Engineering Science》《中国医药工业杂志》),提炼 “AI 制药”“绿色合成工艺” 等热点,将其融入论述题答题中,体现学术前沿感知能力;同时关注 “国家药监局‘十四五’医药工业发展规划”,结合政策导向分析医药智能制造的发展机遇,提升答题高度。
  • 复试衔接:提前了解研究所复试流程(如 “专业面试 + 英语听说 + 工艺设计实操”),准备 “科研经历陈述”“研究计划” 等材料,重点突出与报考团队研究方向的匹配度(如报考绿色制药团队,可准备 “医药废水处理工艺研究” 相关的研究设想),同时通过考博信息网获取历年复试真题,熟悉面试高频问题(如 “如何设计药物合成工艺放大实验?”“谈谈你对医药智能制造的理解”)。

(三)学术能力提升关键

中国科学院上海医药工业研究院考博注重 “科研潜力 + 产业匹配度 + 学术素养”,备考时需重点提升以下能力:
  1. 专业与产业的关联能力:答题时避免仅罗列理论知识,需结合研究所产业化研究实际(如论述 “工艺优化” 时,可提及 “研究所通过 AI 优化抗生素合成工艺,提升 yield 11%”),体现对医药工业转化的理解;同时关注 “医药产业前沿领域”(如 “合成生物学制备 API”“可降解药用包材”),在论述题中提出前瞻性观点,展现科研与产业结合的潜力。
  2. 工艺设计与数据分析能力:专业课考试中 “实验设计题” 占比约 30%,需掌握 “变量控制 + 方法选择 + 产业适配” 核心逻辑。例如设计 “API 结晶工艺优化实验” 时,需明确 “结晶温度梯度(20-60℃)”“搅拌速度(50-200 rpm)”,并能分析 “结晶条件对晶体纯度、粒径分布的影响”,同时考虑工业化放大可行性(如 “搅拌速度对工业反应釜传热的影响”),体现产业思维。
  3. 专业英语应用能力:博士阶段需阅读大量英文产业报告、撰写技术转化论文,因此英语考试中 “专业文本阅读 + 写作” 能力至关重要。备考时可定期阅读《Pharmaceutical Engineering》《International Journal of Pharmaceutics》等期刊中 “制药工艺、产业分析相关论文摘要”,总结 “技术原理 - 产业应用 - 市场价值” 的表述逻辑,提升专业英语写作的学术性与产业导向性。
如需获取更多中国科学院上海医药工业研究院考博专业课真题(如《制药设备与车间设计》《医药市场营销》)、复试资料(含面试真题、导师联系方式)及考博复习规划定制服务,可持续关注考博信息网http://www.kaoboinfo.com/),或直接访问中国科学院上海医药工业研究院历年考博真题下载专用页面http://www.kaoboinfo.com/shijuan/school/408061_1_1269681.html),获取最新备考资源与实时考博资讯,助力 2026 年考博高效上岸!
考博咨询QQ 135255883 考研咨询QQ 33455802 邮箱:customer_service@kaoboinfo.com
考博信息网 版权所有 © kaoboinfo.com All Rights Reserved
声明:本网站尊重并保护知识产权,根据《信息网络传播权保护条例》,如果我们转载或引用的作品侵犯了您的权利,请通知我们,我们会及时删除!