本研究提出了神经潜变压器（NLA）框架，用于学习与行为相关的神经表示。通过对重复试验进行对齐和时间弯曲模型（TWM）解决时间错位，该模型在低维空间下学习更好的解码行为的表示。实验证明该框架学习到了比基线模型更一致的神经轨迹表示流形。