文献追踪日报

为解决大语言模型性能与效率之间的张力，本文提出「能力密度」这一概念，用以衡量模型在单位参数上所体现的有效能力，从而在性能与效率两个维度上提供统一的评价框架。基于多个主流基准的评估结果显示，开源LLM的最大能力密度大约每3.5个月翻倍。这意味着实现同等性能所需的参数规模与推理成本均在指数下降，为高效LLM的开发策略提供了新的启示。当能力密度的指数增长与硬件性能的指数增长叠加时，在固定价格的硬件上能够运行的「有效模型规模」约每88天翻一倍，预示端侧AI的普及速度可能远超预期。

深度神经网络特别是大规模语言模型在图像和自然语言理解方面展现出卓越能力。尽管扩大模型参数和训练数据量持续提升DNN性能，但实现复杂认知能力——如理解抽象概念、推理和适应新场景等人类认知固有的能力——仍是重大挑战。本研究表明，利用少量脑信号进行心智表征引导的监督学习，可有效将人类概念结构迁移至DNN，显著增强其对抽象乃至未见概念的理解。实验结果进一步表明，增强的认知能力在少样本/零样本学习和分布外识别等挑战性任务中带来显著性能提升，同时产生高度可解释的概念表征。

终身学习（持续学习/增量学习）是推动通用人工智能发展的关键组成部分，使系统能够在动态环境中持续适应。虽然大型语言模型在自然语言处理方面展现出令人印象深刻的能力，但现有LLM代理通常为静态系统设计，缺乏适应新挑战的能力。本文首次系统总结了将终身学习融入基于LLM代理的潜在技术，将核心组件分为三个模块：感知模块用于多模态输入整合，记忆模块用于存储和检索不断演变的知识，动作模块用于与动态环境的互动。研究强调这些支柱如何共同促进持续适应、减轻灾难性遗忘并提升长期性能。

供应链金融解决方案允许财务较弱的上游供应商基于其买家更强的财务状况获得融资，为传统融资提供了替代方案。本文深入分析了多层级供应链金融的经济学原理，研究了信息不对称下多层供应链金融的机制设计、风险分配与效率优化，揭示了多层SCF方案如何影响供应链各方的运营与财务决策，以及在不同供应链结构下的最优融资策略。

本研究以中国央企EVA考核改革为背景，探讨管理层激励如何影响商业信用融资决策。研究发现，央企管理者在强激励下采用名义上无息的商业信用融资提升EVA绩效，进而增加高管薪酬。处于考核任期最后一年的管理者此效应更为显著。结果表明，具有强激励的央企管理者利用商业信用融资来提升EVA表现，为产权性质差异下的商业信用融资行为提供了新解释，对理解管理层激励在非正式融资决策中的作用具有启示意义。

以往关于市场势力对企业商业信用供给意愿影响的研究得出了不一致的结果。本研究通过分析26国工业企业综合数据集，聚焦市场势力与商业信用之间的关系如何取决于国家金融发展水平。具有垄断势力的企业通常限制信贷供给以改善现金流。然而，研究发现金融欠发达或高度发达国家的垄断企业比中等金融水平国家的企业更倾向于扩展商业信用，呈现U型关系，凸显了金融发展在塑造市场势力与商业信用行为互动中的调节作用。

本研究考察不同利益相关方如何感知网红真实性，揭示当各方优先考虑真实性不同方面时产生的错位。通过探索性深度访谈消费者、网红、品牌经理和广告代理商，作者生成关于网红营销的新理论，并为品牌和代理商提供管理洞见，以有效与网红协作解决这些错位，最终共建和维持网红真实性。研究发现真实性的多维度结构，以及不同利益相关方在真实性评价标准上的系统性差异。

本研究探讨手段-目标冲突如何影响消费者的品牌选择行为。当消费者感知到实现目标的手段与目标本身存在冲突时，他们更倾向于选择新品牌而非熟悉品牌。这一效应由选择理由化驱动——消费者需要为偏离常规选择提供合理理由。研究通过多项实验验证了手段-目标冲突与新品牌选择之间的因果关系，以及品牌工具性感知的中介作用和选择理由化的调节作用。这一发现对品牌管理、产品创新和新品牌推广策略具有重要启示。

营销人员生成的社交媒体内容中，文本与图片内容的平衡如何影响用户参与度？本文通过计算机视觉与自然语言处理工具，从Facebook和Instagram的34,610条自然品牌帖子中提取视觉与文本特征，采用Confounding-and-Cluster-Robust Causal Forests模型系统检验文本与图片平衡在不同内容情境和视觉语境下对社交媒体参与度的影响。结果显示，更突出图片内容的帖子获得更多点赞和评论，但当文字居中、信息量丰富、情感色彩强且与图片保持一致时，以文字为主的帖子表现会显著改善。本研究提出了优化营销人员生成内容中文本与图片平衡的实证性原则。