文献追踪日报

现实世界中的多目标优化问题（MOPs）需要同时均衡多个相互冲突的目标。传统多目标进化算法（MOEAs）通常依赖领域专家的知识进行设计，难以适应未见过的MOPs。受大语言模型在软件工程中自主生成与改进程序的启发，本文提出基于LLM的框架，利用大语言模型自主设计求解MOPs的进化算法。该框架包含鲁棒测试模块，通过与LLM的误差驱动对话不断改进生成的算法，并利用动态选择策略及带有信息性提示的交叉与变异算子拟合文本优化流水线。该方法无需过多专家介入即可智能设计MOEAs，加速进化算法创新进程，实证结果验证了其设计的算法具有鲁棒性与优越性能。

大语言模型（LLM）不仅革新了自然语言处理领域，且其在各领域的泛化能力正不断扩展。LLM与进化算法（EA）在目标与方法上天然互补：EA可为LLM提供黑盒优化框架，赋予其全局搜索能力；LLM所蕴含的领域知识可辅助EA更智能地搜索，其文本处理与生成能力也便于EA在各领域的跨任务部署。本文对两者的相互启发进行综述并提出路线图，将协同途径划分为两大主线：LLM增强的EA与EA增强的LLM，并举例说明其在代码生成、软件工程、神经架构搜索等场景中的协同应用。作为首个立足EA研究领域的全面综述，本文为该交叉方向提供了系统展望。

工业浮选过程涉及多模态数据与跨工序知识，给知识管理与传统知识图谱构建带来巨大挑战。本研究开发了LLM驱动的框架，用于构建面向该过程的领域多模态知识图谱：其一，设计“浮选知识树”本体作为图谱结构骨架，以组织多层次的工业操作与交互并整合异构浮选数据；其二，提出自适应提示优化方法，结合领域范例与性能反馈迭代细化抽取模板，提升三元组抽取的准确性；其三，提出模糊信息熵驱动的检索增强生成（RAG）方法，利用模糊逻辑对关键术语赋予权重，使LLM在领域问题上更聚焦、更可靠，降低幻觉风险。实验表明该方法构建的知识图谱在工业场景中具有更高的准确性与实用性。

时间序列预测广泛应用于金融、气象与工业系统等领域。现有方法在刻画现实数据中普遍存在的模糊性与非线性变动时仍面临挑战。本文提出FPSO-Time，一种基于模糊粒子群优化（FPSO）与重编程大语言模型（LLM）的模糊时间序列预测模型。该方法利用FPSO优化时间序列的模糊论域划分，引入三角隶属函数进行数据模糊化，从而更精准、更稳定地刻画模糊逻辑关系；同时，利用基于GPT-2的大语言模型对模糊隶属度序列进行预测，再经去模糊化还原为最终预测结果。所构建的模块化框架具有良好的泛化能力，可灵活与多种预测模型集成，并在噪声环境下有效提升预测性能。实验结果显示，FPSO-Time在多个公开时间序列数据集上的表现优于现有最先进的预测方法。

本文提出约束蒙特卡洛树搜索（CMCTS）框架以增强大语言模型在数学推理任务中的表现。针对现有MCTS方法在状态空间多样性与动作选择合理性上的局限，CMCTS引入了约束动作空间、过程奖励模型（PRM）与偏序规则三方面设计：在扩展阶段将动作采样限制于预定义的约束动作集中，以增加候选状态多样性；在模拟阶段引入偏序规则与PRM以优化动作选择，防止不合理状态转移。实验结果表明，CMCTS在多个数学推理基准上表现优异：零样本设定下7B模型平均准确率达83.4%，超过72B基线模型4.8个百分点；消融实验证明各组件对性能提升均不可或缺。

第三方贷款担保是小借款人获取信贷的普遍途径，但相关经济学研究长期缺失。本文对此提供首次理论分析与实证检验。在理论模型中，项目的违约概率不可观测，但可付出筛选成本并依概率发现；担保人比银行具有更低的筛选成本，负责审查借款人，最终促成通常缺乏足额抵押品的小企业借款。实证证据支持该“贷款筛选外包”理论：担保机构的风险度量能够预测企业的违约损失，且担保费率与贷款利率的变动模式与模型预测一致。研究揭示了担保人如何生产信息并提升小企业借款市场的融资效率，为供应链金融中担保机制的运行逻辑提供了重要洞见。

在IPO背景下，客户—供应商关系的稳定性构成一种显著且研究不足的公司特质信息来源，可有效缓解信息不对称。基于中国家族控制IPO企业样本，研究发现供应链更稳定的公司首日股价收益率更高，且长期股票表现更好。投资组合检验显示，“做多高稳定性、做空低稳定性”策略可获得年化4.8%的超额收益，且该溢价在上市后初期最为明显。机制分析表明，供应链稳定性通过传递更强的盈利前景信号、提升股价对基本面信息的含量两条途径发挥作用。研究确立供应链稳定性作为传统财务指标之外可信的非财务信号，影响企业在公开市场过渡期中的投资者认知与资产定价。

本文论证ESG表现更优的企业能够从正规金融渠道获得融资支持，改善其外部融资环境，从而降低对商业信用融资的依赖。基于2009—2020年中国上市公司的样本，研究发现企业的ESG表现与商业信用融资显著负相关：ESG优势企业能够获得更廉价的长期银行贷款等外部融资支持，进而挤出对商业信用的需求。异质性分析显示，该负向效应在国有企业、金融市场化程度较高地区、外部经济不确定性较低的环境以及重度污染行业中更为显著。研究从供应链金融与贸易信用视角拓展了ESG经济后果的相关文献，为新兴市场中ESG与融资行为关系提供了新证据。

网红是品牌拓展触达范围、激发消费兴趣的高效渠道，但常卷入可能损害品牌或其代言产品的丑闻之中。本文聚焦网红丑闻场景并为品牌管理者提供行动指引：识别出品牌经理在应对网红违规时应考量的四大关键因素——可责性、违规严重性、代言的性质以及网红对事件的回应方式；并据此开发出一套决策树，指导管理者判断应保留还是终止与涉事网红的合作，从而在维护品牌资产的同时有效控制声誉风险。

在动荡与不确定时期，品牌与客户之间的既有关系往往面临外部冲击的考验。本文提出“品牌免疫力”的概念框架，探讨企业如何打造具备韧性、能抵御外部干扰的客户关系：通过持续培育信任、保持品牌与客户的价值一致性、强化情感连接等机制，使品牌在面对市场波动与危机时仍能维持客户忠诚与长期关系价值。文章为管理者在不确定环境中系统构建抗风险的品牌客户关系提供了思路与启示（注：本文为在线预发表文献）。

本文研究食品饮料行业中品牌认知、品牌联想、品牌资产与品牌拥护之间的关系机制。实证分析基于越南食品饮料行业422名消费者的横截面问卷调查，并采用PLS-SEM进行验证，结果支持全部研究假设：品牌认知是核心的认知构念，显著影响品牌联想与感知质量，同时通过显著性直接作用于品牌资产；品牌资产则作为关键中介变量，正向影响品牌拥护，将企业累积的品牌价值转化为消费者主动的品牌推荐等拥护行为。管理启示在于：企业应优先建立显著品牌认知，再投入改善品牌联想与可靠感知质量以培育品牌资产，并将品牌资产作为关键管理指标予以监测（注：本文为在线预发表文献）。

既有在线品牌社区研究多聚焦于活跃贡献者，但绝大多数社区成员长期处于隐性观察状态。本文借鉴观察学习与价值共创理论，构建不活跃成员如何参与品牌价值隐性共创的过程模型——通过两条互补路径（基于社区归属感的情感锚定与基于社区内容体验的经验积累）内化感知社区价值。基于348名不活跃成员的调查数据与结构方程分析，研究发现感知社区价值经由情感与经验双重机制共同影响品牌形象与信任感知的认知动态，进而塑造成员的长期承诺。结果表明，不活跃成员并非被动的旁观者，而是通过持续观察、认知协调与间接经验为品牌资产的形成作出实质贡献。研究建议社区管理者设计有意义的观察性活动而非一味强求互动（注：本文为在线预发表文献）。

本文探讨组织是否、何时以及如何为新世代技术（NATs）实施品牌化的战略问题，并阐明这些技术为何需要新的品牌架构逻辑与框架，使品牌可见性同技术与组织的就绪度保持一致。基于品牌架构理论与创新管理文献，研究将NAT品牌化重构为一个连续体的决策过程而非非此即彼的二元选择，并引入两种决策工具——NAT品牌化决策清单与阶段门方法，将就绪度评估与分阶段推进的品牌可见性相整合。研究识别出品牌化强度应随技术成熟度、生态系统接受度与治理能力而演进，品牌化决策应被视作自适应过程。研究为技术品牌化提供了理论基础，帮助管理者评估NAT品牌化就绪度、顺序推进并缓解声誉风险。另：该文为EJM 2026年第60卷第2期特邀文（注意：题名中译见中文标题，题名为“Whether, When and How to Brand”）。