2026年8月11日
| 主题 | 检索期刊 | 收录论文数 |
|---|---|---|
| AI大模型 | ACM TOIS（CCF-A/SCI）、IEEE TBD（SCI一区）、IPM（SSCI/SCI一区） | 4 |
| 供应链金融 | IJOPM（ABS4/SSCI一区）、BAR（ABS3/SSCI）、EFM（ABS3/SSCI） | 4 |
| 品牌 | JSM（ABS3/SSCI）、CHQ（SSCI）、IJHM（ABS3/SSCI） | 3 |
| 合计 | 9本 | 11篇 |
本文系统综述了生成式信息检索（GenIR）的发展，从传统信息检索到利用大语言模型直接生成检索结果的范式转变，涵盖DocID设计、增量学习、可靠响应生成、评估方法及未来挑战。
本文全面综述了生成式信息检索领域的进展，涵盖从传统信息检索到生成式信息检索的范式转变。文章系统梳理了基于大语言模型的检索方法，包括模型训练与结构设计、文档标识符（DocID）设计策略、动态语料库的增量学习、下游任务适配以及多模态生成式检索。在可靠响应生成方面，讨论了内部知识记忆、外部知识增强、带引用的响应生成及个性化信息助手等核心问题。最后分析了可扩展性、动态语料处理、效率、准确性与公平性等关键挑战，为GenIR未来发展指出了方向。
本文提出将推荐任务转化为指令遵循范式，利用LLM强大的泛化能力，通过格式化的指令描述用户偏好和历史行为，实现了传统推荐模型难以达到的跨场景迁移能力。
本文创新性地将推荐系统重新定义为指令遵循任务。借助大型语言模型强大的语义理解和泛化能力，该方法将用户历史行为数据、物品信息和推荐目标格式化为自然语言指令。模型通过学习指令与推荐结果之间的映射，实现了传统协同过滤和序列推荐模型难以做到的跨领域和跨场景的推荐能力。实验表明，该方法在冷启动场景和多任务推荐中表现显著优于基线模型，为推荐系统的范式革新提供了新方向。
本文率先构建面向农业和食品领域的LLM多任务评估基准，系统揭示当前LLM在农业领域知识理解方面的优势与不足，为AI在垂直行业的深度应用奠定基础。
本文首次系统探索了大语言模型在农业NLP和食品应用领域的潜力。研究构建了一个面向农业和食品领域的多任务评估基准，涵盖食品分类、营养成分分析、农业问答等多个子任务。通过在多个主流LLM上的实验评估，揭示了当前模型在农业领域知识理解方面的表现：LLM在通用食品知识问答上表现良好，但在需要精确量化分析和专业领域知识的任务上仍有显著不足。研究为农业AI领域指明了未来方向，也为LLM在其他垂直行业的应用提供了方法论参考。
本文提出融合智能代理与LLM的Text-to-SQL转换方法，通过领域特化训练替代少样本提示，显著提升自然语言转SQL的准确性和可靠性，赋能非技术用户直接获取数据洞察。
本文提出了一种融合智能代理与大型语言模型的Text-to-SQL转换优化方法，使无SQL知识的用户能够用自然语言直接查询数据库。研究比较了多种策略，包括针对特定数据库领域训练的模型与仅依赖少量示例引导的模型。结果表明，针对具体领域定制的训练示例能显著提升SQL查询的准确性和可靠性。该工作平衡了模型复杂度和计算成本，使组织能够赋能业务用户自主进行数据查询与决策，推动数据驱动的包容性文化建设。
本文揭示供应链中企业通过语调操纵影响商业信用配置导致资源错配，发现信息不对称环境下供应商难以识别买方语调操纵行为，为供应链金融中的信息治理提供了新视角。
本文研究了企业语调操纵对供应链商业信用错配的影响。研究发现，供应链上游供应商在评估下游客户信用风险时，受客户财务报告语调操纵的干扰，导致商业信用资源向语调积极但实际风险较高的企业倾斜。在信息透明度较低、供应商议价能力较弱的情境下，这一效应更为显著。文章基于大样本实证分析，揭示了语调操纵作为信息扭曲机制对供应链金融资源配置效率的损害，为供应链信用风险管理和信息披露监管提供了重要的政策启示。
本文发现机构投资者对客户公司的实地调研能降低信息不对称，促使供应商增加商业信用供给，尤其是当调研中披露更多供应链相关信息时效果更显著。
本文研究了机构投资者对客户企业进行实地调研与供应商商业信用供给之间的关系。结果发现，机构投资者的实地调研频率与供应商提供的商业信用水平呈正相关。当企业信息环境透明度较低、财务约束较大时，这一关系更为显著。进一步分析表明，实地调研通过抑制管理层过度冒险行为来降低信息不对称和信用风险，从而增强供应商的商业信用供给意愿。对调研中交流内容的文本分析显示，披露供应链相关信息越多，实地调研与商业信用之间的关系越强。本文丰富了信息质量在供应链金融中作用的文献，揭示了机构投资者实地调研对企业间利益相关者动态的广泛影响。
本文利用PageRank中心性度量供应链网络嵌入度，发现外围企业预期收益率高于中心企业，该差异反映了系统性风险补偿而非错误定价。
本文研究企业在中国供应链网络中的位置对预期股票收益率的影响。以PageRank中心性度量企业网络的嵌入度，结果显示中心度与收益率之间存在稳健的负相关关系：外围企业预期收益率高于中心企业。这一效应在控制了多种公司特征、采用了多种替代中心性度量方法后仍然稳健。定价测试表明，收益率差异反映了对系统性风险的补偿，而非错误定价。进一步分析表明，外围企业面临更高的经营风险和资产专用性风险，在信息不对称程度较高的行业以及议价能力较弱、竞争更激烈和资源更紧张的企业中尤为突出。
本文研究库存对企业抵御新冠疫情冲击的缓冲作用，发现高库存企业在疫情期间展现出更强的经营韧性，但库存缓冲效应因行业供应链结构和需求冲击性质而异。
本文研究了库存水平在新冠疫情期间对企业韧性的作用。基于全球供应链中断和消费者需求冲击背景下的实证分析，发现库存较高的企业在疫情期间表现出更强的运营韧性——销售额下降幅度更小、恢复速度更快。然而，库存的缓冲效应因行业特征而异：面临需求冲击的消费品行业与面临供应冲击的制造业之间存在显著差异。研究还发现，库存策略的有效性取决于供应链结构和企业资源的灵活配置能力，为供应链韧性的库存管理提供了实证证据和理论见解。
本文从服务视角探究语音商务中影响消费者购买意图的多维属性，揭示品牌熟悉度和多渠道整合等关键因素，为品牌在语音交互渠道的策略设计提供指导。
本文通过访谈15位电子商务开发者与18位消费者，从服务视角系统探索了语音商务中影响消费者购买意图的属性维度。研究发现，服务属性（服务复杂性、消费阶段）、服务提供商属性（品牌熟悉度、多渠道整合）与消费者属性（技术准备度、隐私关注）共同决定语音商务购买决策。研究拓展了服务主导逻辑在语音商务中的应用，为品牌设计语音交互策略提供了理论支撑和实践指导，强调了在语音助手驱动的消费场景中构建品牌信任和整合多渠道体验的重要性。
本文聚焦LGBTQ+客户在友好酒店背景下的品牌资产形成过程，发现品牌伦理性和品牌独特性通过品牌-自我认同影响品牌情感与信任，最终提升品牌资产。
鉴于与目标客户建立有意义的品牌关系的重要性，本研究聚焦于LGBTQ+客户如何在LGBTQ+友好酒店背景下发展品牌资产。基于316名LGBTQ+参与者的在线调查数据，采用结构方程模型检验了研究假设。结果表明，品牌伦理性和品牌独特性通过品牌-自我认同影响品牌情感与品牌信任，进而提升品牌资产。品牌独特性对高声誉LGBTQ+友好酒店品牌认同的影响更强；而品牌伦理性对高声誉酒店品牌认同的影响反而弱于一般酒店。该研究为从业者如何构建和提升LGBTQ+客户群体的品牌资产提供了有价值的洞见。
本文构建大语言模型驱动的品牌形象分析框架，利用Qwen3-32B模型解析大众点评评论，从功能-体验-符号三维度系统刻画北京老字号餐厅品牌形象，为文化遗产品牌的现代管理提供方法论创新。
理解消费者对品牌形象的感知对于融合文化遗产与商业价值的中华老字号品牌的可持续发展至关重要。本研究通过开发大语言模型驱动的分析框架，系统分析了北京老字号餐厅的品牌形象，突破了传统文本挖掘在语义深度和适应性方面的局限。利用2016年至2022年的大众点评评论数据，应用Qwen3-32B模型将消费者反馈映射到功能-体验-符号（F-E-S）框架中。情感量化分析和主题挖掘揭示了消费者对老字号品牌在不同维度上的感知特征与演变趋势。该研究为文化遗产品牌管理提供了创新的方法论工具和实践洞察。