2026年6月6日
| 主题 | 检索期刊 | 收录论文数 |
|---|---|---|
| AI大模型 | Operations Research、Journal of International Business Studies、MIT Sloan Management Review | 3 |
| 供应链金融 | Journal of Business Logistics、Journal of Banking & Finance、Journal of Supply Chain Management | 3 |
| 品牌 | Journal of Business Research、Journal of Brand Management、Journal of Consumer Psychology | 3 |
| 合计 | 9本 | 9篇 |
注：Journal of Supply Chain Management（供应链金融主题）和 Journal of Consumer Psychology（品牌主题）为非白名单期刊，在标题后标注[非白名单]；MIT Sloan Management Review、Journal of Brand Management 两篇文献DOI待确认。
本文首次提出基于开源大语言模型的自动化优化建模框架ORLM，通过半自动化数据合成方法OR-Instruct突破高质量训练数据稀缺瓶颈，训练后的开源7B模型在优化建模任务中表现优于GPT-4等闭源模型，显著提升工业场景人机协作效率，准确率提高10%-25%。
优化建模在运筹学应用中至关重要，但高度依赖专家经验。大型语言模型的出现为自动化优化建模带来新机遇，然而现有研究多依赖闭源模型和提示工程技术。本文首次提出训练开源大语言模型进行优化建模的可行路径，设计了OR-INSTRUCT半自动数据合成框架，并引入IndustryOR工业基准。利用合成数据训练的ORLM模型在NL4Opt、MAMO和IndustryOR基准上取得了有竞争力的性能。实验还揭示了缩放定律和强化学习在进一步提升ORLM性能方面的潜力，并讨论了ORLM在实际工业应用中的工作流程与人机交互范式。
本文为国际商务研究中使用生成式AI建立了首个伦理护栏框架，讨论GenAI对学术研究实践的深远影响，强调研究者需深入理解GenAI工具的能力边界，在提升研究效率的同时坚守人类创造力和想象力在研究过程中的不可替代性。
本文讨论了生成式AI对学术研究的影响，特别是国际商务领域。文章强调了GenAI工具（如ChatGPT）的快速发展和易用性如何改变研究实践，提出了理解、培训和伦理考量在使用GenAI中的必要性。文章建议采取行动教育学者、培养伦理研究实践、实施透明流程以保障研究诚信，并最终强调了GenAI与人类智能的区别——GenAI可以提升研究效率，但人类创造力和想象力仍然是研究过程中独特且必不可少的要素。
本文梳理了2026年AI与数据科学五大关键趋势：AI投资泡沫收缩、'AI工厂'基础设施化、生成式AI从个人工具转向企业级战略资源、AI智能体短期被高估但五年内可望显现价值、企业AI管理职责归属仍存争议，为企业AI战略决策提供前瞻视角。
MIT SMR专栏作者Thomas Davenport和Randy Bean指出2026年值得关注的五大AI趋势：(1)AI泡沫将逐渐收缩，可能因头部厂商业绩不佳或更具成本效益的技术出现(如DeepSeek)而触发，但AI仍是长期经济增长的重要引擎；(2)全面投入AI的企业将致力于构建'AI工厂'及标准化基础设施，通过整合技术平台、数据资产和可复用算法提升AI部署效率；(3)生成式AI将逐步从个人生产力工具转向供应链管理、研发和销售支持等企业级战略场景；(4)AI智能体仍面临错误率高、网络安全风险和价值对齐等问题，短期内可能进入'幻灭期'，但大多数技术问题有望在五年内解决；(5)AI管理职责归属缺乏共识，权责不清是AI难以实现预期价值的重要原因之一。
本文通过8个主流数字供应链金融平台的多案例研究和34位从业者深度访谈，系统揭示了数字SCF平台通过提升透明度、动态风险管控和去中介化重构代理关系三大机制增强供应链确定性与韧性，为全球贸易从'被动响应危机'转向'主动构建韧性'提供了实践路线图。
本研究探讨了数字供应链金融平台对买卖双方关系的变革性影响，重点分析其在增强供应链确定性与韧性方面的作用。采用多案例研究设计，研究了8个主流数字SCF平台，对34位从业者和管理者进行了深度访谈。研究结果揭示了三大核心机制：(1)透明度提升——区块链与实时数据共享减少信息不对称；(2)风险动态管控——智能合约与算法模型自动评估交易风险；(3)重构代理关系——数字平台通过去中介化使中小供应商直接对接多元资金方。相比传统模式，数字SCF平台能更灵活地应对突发性供应链中断。
本文基于26国工业企业数据发现市场力量与商业信用供给之间存在U型关系——在金融发展水平极低或极高的国家，垄断企业更倾向提供商业信用，揭示了国家金融发展水平在调节市场力量与商业信用行为之间的关键调节作用。
先前关于市场力量对企业商业信用供给意愿影响的研究产生了不一致的结果。本研究通过分析26个国家工业企业的综合数据集，发现市场力量与商业信用之间的关系取决于一国的金融发展水平。虽然具有垄断力量的企业通常限制信用提供以改善现金流，但研究结果揭示了一种U型关系：在金融发展水平极低或极高的国家，垄断企业比处于中等金融体系国家的企业更可能提供商业信用。这凸显了金融发展在塑造市场力量与商业信用行为互动中的调节作用。
本文从动机认知视角揭示了供应商依赖如何调节买方公平性（分配公平与程序公平）对信任的影响——高依赖时两种公平独立促进信任，低依赖时二者正向交互，为供应链金融中的信任构建机制提供了新理论洞见。
分配公平和程序公平是买方-供应商关系中信任形成的关键前因。然而，现有研究对何时以及如何使分配和程序公平与更高信任相关联关注有限。本文基于动机认知视角，研究了供应商依赖——塑造供应商动机的关键因素——如何调节买方公平与供应商信任之间的关系。首先使用调查数据(374份样本)研究调节效应，揭示了不同依赖水平下公平效应的差异化模式。随后利用案例研究加强了研究在实际情境中的适用性，阐明了动机认知机制。研究以两种重要方式推动了知识进展：一是更全面地界定了公平-信任在买方-供应商关系中的连接机制，二是对作为动机现象的信任产生了新颖洞见。
本文通过定性定量混合方法揭示了组织导向和市场导向双重品牌战略通过创新投资提升品牌资产的路径，并发现高管长期导向和创新思维正向调节这一关系，为品牌战略与创新管理的跨学科研究贡献了新视角。
品牌战略作为指导企业决策和行为的综合前瞻性框架，对提升竞争力和实现长期增长至关重要。本研究通过定性与定量分析相结合的方法，阐明了品牌战略的概念与维度，具体展示了企业如何实施品牌战略。从内部和外部视角来看，组织导向品牌战略和市场导向品牌战略均被证明能正向影响创新投资，从而提升品牌资产。此外，研究表明高管长期导向和创新导向思维强化了双重品牌战略与创新投资之间的正向关系。这些发现为品牌与创新的跨学科文献贡献了全新视角，同时为企业战略规划提供了细致的理解和评估标准。
本文探讨内隐品牌资产测量在不同决策情境下的预测效力，验证了基于反应时的内隐测量方法在预测消费者品牌选择和购买决策方面优于传统外显自陈量表，为品牌资产测量提供了方法论的创新。
品牌资产的测量一直是品牌管理领域的核心议题。传统的外显测量方法依赖消费者的自我报告，可能受社会期望偏差和内省能力限制的影响。本文研究了内隐品牌资产测量（基于反应时的方法，如内隐联想测验）在不同决策情境下对消费者品牌选择的预测效果。研究通过多实验设计，比较了内隐与外显品牌资产测量在快决策、慢决策及时间压力等不同情境中的预测效力，发现内隐测量在直觉性购买决策中具有显著优势。这一发现为品牌管理者提供了超越传统问卷调查的品牌资产评估工具。
本文探讨大语言模型如何催生'半机械行为科学家'新模式——AI与人类研究者协同进行消费者行为研究，分析了LLM在假设生成、实验设计和数据分析中的革命性潜力及其对品牌策略研究的深远影响。
大语言模型已被引入消费者行为研究的多个阶段，包括假设生成、实验设计、刺激物创建和数据分析。本文阐述了'半机械行为科学家'概念——人类研究者与AI系统协同工作以进行行为研究的新范式。文章讨论了LLM如何加速研究周期的各个环节，如何降低研究成本和门槛，以及对方法严谨性和理论贡献可能带来的挑战。特别地，文章分析了这种新模式对品牌策略研究的潜在影响，包括如何在品牌定位实验中使用AI生成刺激物、如何利用LLM模拟消费者对品牌信息的反应，以及这种协同研究模式对消费者心理学理论建构的意义。