2026年8月13日 · 星期四
| 主题 | 检索期刊 | 收录论文数 |
|---|---|---|
| AI大模型 | Operations Research（UTD24/FT50）、Journal of Management Studies（FT50）、Information Fusion（SCI 1区） | 3 |
| 供应链金融 | Omega（SCI 1区/ABS 3）、Supply Chain Management: An International Journal（SSCI/ABS 3）、Transportation Research Part E（SSCI/SCI 1区） | 3 |
| 品牌 | Marketing Theory（SSCI/ABS 3）、Journal of Product & Brand Management（SSCI）、Journal of Consumer Behaviour（SSCI） | 3 |
| 合计 | 9本 | 9篇 |
注：本期 9 本期刊均为 ABS 3+、UTD24、FT50、SSCI 或 SCI 2 区以上期刊，每本各检索到 1 篇 2025-2026 年相关文献。
本文首次提出开源大语言模型优化建模训练框架 ORLM 及半自动数据合成方法 OR-Instruct，使 7B 规模开源模型在 NL4Opt、MAMO、IndustryOR 等基准上超越 GPT-4 等闭源模型，为运筹优化自动化开辟新路径。
优化建模在运筹学工具解决现实问题中发挥关键作用，但需要运筹学专家的大量专业知识。随着大语言模型（LLM）的出现，简化和自动化此类任务的新机遇已经出现。然而，当前研究主要依赖 GPT-4 等闭源 LLM 及大量提示工程技术，这一依赖源于优化建模高质量训练数据的匮乏，导致成本高、处理时间长和隐私问题。为应对这些挑战，本研究首次提出了一条可行的路径，训练能够进行优化建模并生成求解器代码的开源 LLM，最终实现自动化优化建模与求解的卓越能力。具体而言，我们设计了 OR-Instruct，一个面向优化建模的半自动化数据合成框架，可针对特定场景或模型类型进行可定制增强。本研究还引入了 IndustryOR，这是首个用于评估 LLM 解决实际运筹问题的工业基准。我们利用合成数据（称为 ORLM）训练了多个 7B 规模的开源 LLM，其优化建模能力显著增强，在 NL4Opt、MAMO 和 IndustryOR 基准上取得了具有竞争力的表现。此外，我们的实验揭示了扩展律和强化学习进一步提升 ORLM 性能的潜力。
本文指出创业的真正瓶颈并非创意稀缺而是奈特式不确定性，在 GenAI 时代海量 AI 生成创意加剧机会不确定性风险的背景下，基于 Gigerenzer 启发式决策范式提出智能机会搜索模型，主张机器与人类智能的共生式认知分工。
创业常被透过创意稀缺的视角来看待。然而，生成式人工智能（GenAI）的出现迫使我们认识到，创业的瓶颈不在于缺乏创意，而在于奈特式不确定性。在创业创意充裕的时代，关键问题在于 AI 生成的创业未来究竟是可能的，还是机器想象的虚构。然而，现有理论在应对机会不确定性方面提供的指导甚少——更不用说在一个不断扩张的 AI 生成创意宇宙中，这会增加不可持续创业的风险。针对我们所理论化的"重大认识论挑战"，我们提出了一个智能机会搜索模型。该模型的架构借鉴了 Gerd Gigerenzer 在不确定性下决策的范式转变，其核心是使用与环境结构相匹配的启发式。我们的模型提出机器与人类智能之间的共生式认知分工，并以适应 GenAI 时代重塑后决策环境结构的决策策略为指导。
本文系统梳理了联邦学习与边缘学习在大语言模型训练与推理中的应用，探讨分布式学习范式如何缓解 LLM 的数据隐私、算力与通信瓶颈，推动大模型在边缘场景的高效部署。
联邦学习和边缘学习作为分布式机器学习范式，为在大规模分布式数据上训练和推理大语言模型（LLM）提供了隐私保护与低延迟的解决方案。本文系统梳理了联邦学习与边缘学习在 LLM 中的应用现状，探讨其在数据隐私保护、通信效率、模型个性化等方面的优势与挑战，并展望了 LLM 与边缘智能融合的未来研究方向。
本文构建融合两层贸易信贷、通胀、保鲜投资、时变变质、碳排放与运营学习效应的综合库存模型，数值实验表明综合策略相较传统模型利润提升约 12.6%、碳排放降低 17.9%。
管理易腐与缺陷品、并处于信贷型贸易环境和严格碳监管下的零售商，面临影响盈利能力、库存可靠性与环境合规的多重挑战。本研究构建了一个综合库存模型，适用于药品、食品分销和冷链零售等行业，这些行业的产品变质、缺陷检验和可持续性压力至关重要。所提模型整合了多个相互依赖的现实因素：两层贸易信贷、通胀效应、保鲜投资、时变变质、碳排放和运营学习。目标是联合优化补货周期长度、订单批量、绿色技术投资和检验策略，在确保监管合规与库存可得性的同时实现总利润最大化。新颖贡献包括在成本动态中引入幂律学习曲线、反映促销或季节性效应的二次时变需求，以及由绿色投资决定的非线性碳排放惩罚函数。模型采用蝴蝶优化算法数值求解。数值结果表明，与不含可持续性和融资考虑的传统模型相比，综合策略使利润提升约 12.6%、碳排放降低 17.9%。敏感性分析进一步揭示了在不同经济、运营和监管条件下具有实践意义的决策洞见。
本文基于信号理论实证检验买方企业的绿色创新能否通过传递可信信号帮助其从供应商处获得更多贸易信贷，发现绿色创新显著促进贸易信贷获取，为绿色供应链融资提供了新证据。
本文从信号理论视角探讨买方企业的绿色创新是否有助于其从供应商处获得贸易信贷。绿色创新被视为向供应商传递企业信誉与可持续经营承诺的可信信号，从而缓解信息不对称、增强供应商信任，进而促进贸易信贷的获取。研究基于实证数据检验了绿色创新与贸易信贷获取之间的关系，为理解绿色战略在企业供应链融资中的作用提供了新视角。
本文构建含农业合作社与平台的订单农业供应链模型，发现平台仅在客户信任较低时才偏好提供区块链（因消费增长推高合作社生产成本），并揭示了合作社在银行利率更低时仍选择平台融资的反直觉现象。
许多参与订单农业供应链（CFSC）的平台正计划实施区块链以提升客户对农产品质量的信任，并提供融资服务以支持农业生产。然而，区块链无法完全确保信任，因为部分数据可能无法有效上链，而农业生产过程中的气候变化和自然灾害等不可避免的风险，也使平台在提供区块链和融资方面的决策更具挑战性。为探究在风险与区块链提升客户信任的局限性并存的情况下平台应如何提供区块链和融资，我们考虑一个由农业合作社和平台组成的 CFSC，平台从合作社采购农产品并销售给线上客户。直觉上，客户对农产品质量信任的提升会因客户消费增加而促进平台提供区块链。令人意外的是，我们发现平台仅在客户信任较低时才偏好提供区块链，因为消费增长推高了合作社的生产融资成本，进而抬高批发价并对平台利润产生负面影响。有趣的是，我们还发现合作社即使面临低于平台利率的银行利率，仍会选择平台融资。
本文以音乐流媒体消费为背景提出"算法个性化/去个性化循环"，揭示算法通过双向学习关系增强体验、激活积极情绪并加深品牌纽带以培育品牌忠诚，而个性化失败则可能侵蚀忠诚甚至引发消费者行动主义。
本文通过考察音乐流媒体消费情境中个性化体验的表达方式，探讨算法个性化与品牌忠诚之间的关系。尽管先前已承认个性化与品牌忠诚之间存在关联，但关于其作用机制尚缺乏基于体验的理解。基于"体验式品牌忠诚"概念，本文提出的"算法个性化/去个性化循环"揭示了品牌忠诚如何通过消费者与算法驱动品牌的互动而发展。被算法看见和理解会启动一种迭代的双向学习关系，最终提升消费者体验、激活积极情绪并加深与品牌的关系纽带，从而导向品牌忠诚。然而，若算法未能成功个性化服务体验，则可能发生"去个性化"过程，侵蚀品牌忠诚并导致品牌转换甚至消费者行动主义。
本文考察新产品引入对品牌资产的影响，发现消费者参与在其中起中介作用，而品牌叙事（品牌生成 vs 消费者生成）对这一过程起调节作用，为通过新品战略构建品牌资产提供了实证依据。
本研究旨在考察新产品引入对品牌资产的影响、消费者参与的中介作用，以及品牌叙事（品牌生成与消费者生成）的交互调节效应。研究通过实证方法检验了新产品引入如何经由消费者参与作用于品牌资产，并揭示了品牌叙事在这一机制中的调节作用，为企业在产品创新与品牌建设中的协同策略提供了理论洞见。
本文探讨崇高体验如何通过消费者品牌内容参与的中介作用增强品牌资产，将美学与情感体验纳入品牌资产形成机制，为社交媒体时代的品牌建设提供新视角。
本研究探讨了崇高体验通过消费者品牌内容参与的中介作用对品牌资产的增强效应。基于消费者体验与品牌参与理论，研究开发并检验了相关量表，揭示了崇高体验如何驱动消费者参与品牌内容，进而提升品牌资产。研究发现为社交媒体环境下通过体验营销与内容参与构建品牌资产提供了理论与实践启示。