2026年8月29日
| 主题 | 检索期刊 | 收录论文数 |
|---|---|---|
| AI大模型 | ACM TKDD、Nature Communications、Journal of Big Data | 4 |
| 供应链金融 | NAJEF、Financial Innovation、Production Planning & Control | 3 |
| 品牌 | Journal of Global Fashion Marketing、Fashion and Textiles、Journal of Fashion Business | 3 |
| 合计 | 9本 | 10篇 |
注：本轮 9 本期刊均来自 ABS3+/UTD/FT50/SSCI/SCI 2 区及以上的优先候选池，经与服务器已搜记录比对全部未重复搜索；期刊级别已在各文献卡片中注明。
本文提出利用领域特定数据对大语言模型进行微调（SRAG-LLM），用于自动化生成文献综述，在医学卫生研究领域实现了接近人类水平且更可复现的综述质量，显著降低研究综合的时间与成本。
大语言模型（LLMs）在自动化研究综合中潜力巨大，但泛化模型常因缺乏领域知识与幻觉而质量不稳。作者提出 SRAG-LLM 方法——将检索增强生成（RAG）与领域特定大语言模型微调相结合，通过检索（Retrieve）、评分（Scoring）、聚合（Aggregation）与生成（Generation）四个阶段自动化撰写结构化文献综述。在医学卫生研究数据集上的评估显示，微调后的领域模型在相关性、完整性与事实准确性上优于通用模型，生成的综述接近人类专家水平，且结果可复现、可追踪来源。研究为科研人员提供了一种低成本、可扩展的自动化文献综述工具，并讨论了幻觉控制、评估标准与伦理边界等关键问题。
本文系统评估了四种主流大语言模型在最少上下文条件下为研究问题生成科学假设的发散性思维能力，发现模型仅需极少提示即可产出多样、新颖且可验证的假说，但也存在幻觉与常识偏差。
发散性思维是科学发现的核心。本文针对“在最小化上下文输入下，大语言模型能否像研究人员一样发散地生成科学创意”这一问题展开评估，涵盖四个代表性 LLM，并将其生成的科学假设与人类研究人员输出进行多维度比较（新颖性、多样性、可行性、可验证性）。结果表明，即便只给出研究问题这一最少上下文，前沿模型仍能生成数量与新颖性可观的科学假设，部分模型在某些任务上接近甚至超过人类基线；同时研究揭示了模型在事实一致性上的局限与上下文敏感特征。作者讨论了 LLM 作为“科学灵感助手”在假设生成阶段的潜在应用价值与使用边界。
本文对九种主流预训练基因组语言模型在RNA序列相关预测任务（剪接位点、编码潜能与多聚腺苷酸化位点等）上进行系统基准测试，发现DNA预训练模型在RNA任务上表现不均衡，并构建了开源基准框架。
预训练语言模型正被广泛应用于基因组学，但其在 RNA 序列相关任务上的表现缺乏系统评估。本文构建统一基准框架，对九个代表性预训练基因组语言模型在剪接位点预测、编码潜能预测、多聚腺苷酸化（polyA）位点预测等 RNA 相关任务上进行评测。结果显示，基于 DNA 训练的模型在 RNA 任务上的表现高度不均衡，多数模型对序列反转与随机化敏感、泛化能力有限；文章分析了模型规模、预训练策略与任务相关性的影响，并公开了基准数据集与评估流水线，为 RNA 语言模型的设计与选择提供实证指导。
本文提出“算法框架分析”方法，将大语言模型引入传统框架分析，在不牺牲分析深度的前提下将基于词典的框架分析扩展到大规模语料，并以台湾地方选举新闻为例验证方法可行性。
框架分析（framing analysis）是传播学研究中的核心方法，传统上依赖人工编码或基于词典的自动编码，前者成本高昂、后者局限于预定义框架。本文提出“算法框架分析”（algorithmic framing analysis），利用大语言模型（如 GPT-4 等）对新闻文本进行自动框架识别与编码，在保持可解释性的同时将分析范围扩展至大规模语料。作者以台湾2022年地方选举新闻报道为案例，验证了该方法在框架分类准确性与扩展性上优于传统词典方法，并讨论了提示词设计、模型偏见与结果可复现性等方法论挑战。
本文构建包含金融部门的一般均衡贸易模型，证明金融部门规模与效率通过影响生产结构与比较优势决定贸易模式与福利，将金融深化与国际分工的联系进行了理论刻画。
本文在包含生产性与金融部门的框架下，从理论上考察金融在生产与国际贸易中的作用。模型显示，金融部门的规模与运作效率影响企业融资成本与生产结构，进而通过比较优势机制决定一国出口结构与国际贸易格局。金融深化可降低交易成本、释放比较优势，改善贸易利得与福利；反之，金融摩擦会扭曲生产、阻碍贸易开放收益的实现。作者还讨论了金融自由化与贸易政策协调的政策含义，为理解“金融—贸易”联动提供了一般均衡分析基础。
本文提出区间值费马模糊集与RAFSI相结合的多准则决策模型，识别并排序区块链在供应链金融中采纳的十六项障碍，发现“缺乏标准与监管框架”和“技术基础设施不足”是最关键障碍。
区块链有望提升供应链金融的透明度、可追溯性与融资效率，但其采纳面临多重障碍。本文构建了一个集成区间值费马模糊集（IVFFS）与 RAFSI 方法的多准则决策框架，结合专家评估对16项障碍进行识别与优先级排序。结果显示，“缺乏标准化与监管框架”“技术基础设施不足”“高实施成本”以及“数据隐私与互操作性问题”位列最关键障碍。文章进一步将模型扩展至包含供应商、核心企业、金融机构与政府等多利益相关方的情景分析，为供应链金融的区块链落地提供了系统化决策支持。
本文以中国物流企业为对象，探究第三方物流服务商（3PL）参与供应链金融的角色、动因与模式，提出基于核心能力（数据、仓储、运输、金融服务整合）的3PL供应链金融服务框架。
供应链金融正从银行主导转向多方参与，第三方物流服务商凭借其对货物流、信息流的掌控而成为关键参与方。本文通过中国物流企业的多案例研究，识别 3PL 在供应链金融中的多重角色（信息中介、信用背书、质押监管、金融服务集成者），分析其参与动因（增加客户粘性、拓展收入来源、缓解中小供应商融资约束）与实施模式，并揭示数字化能力在其中的支撑作用。研究提出了 3PL 主导的供应链金融服务框架与能力矩阵，为物流企业转型与供应链金融生态建设提供实践启示。
本文通过实验研究绿色品牌延伸与漂绿行为在时尚行业的作用，发现漂绿行为显著损害母公司品牌资产并产生负面溢出效应，而真实绿色延伸能提升消费者态度。
时尚行业日益强调可持续与绿色主张，但“漂绿”（greenwashing）行为也层出不穷。本文基于三个实验研究，考察绿色品牌延伸与漂绿行为如何影响消费者对时尚品牌的评价。结果显示：真实的绿色品牌延伸能够改善消费者对品牌的绿色感知与态度；而一旦发现漂绿，消费者会显著降低对品牌延伸乃至整个母品牌的评价，产生强烈的负面溢出效应，且这一效应在环保意识高的消费者中更为显著。研究为时尚品牌在可持续发展传播中的诚实沟通与绿色战略选择提供了实证依据。
本文研究包容性营销如何通过社会判断与拟人化路径提升品牌评价，发现包容性信息（如多元模特、残障友好）增强消费者对品牌温暖与社会责任的感知，进而提升品牌忠诚度。
包容性营销（inclusive marketing）正成为品牌赢得多元消费者的重要策略。本文考察包容性营销信息如何通过社会判断与品牌拟人化机制影响消费者反应，并对比奢侈品与非奢侈品牌的差异。基于两项实验，研究发现：包容性信息会提升消费者对品牌“温暖”（warmth）与社会责任的感知，并强化品牌拟人化程度，从而提升品牌态度与购买意愿；该效应在非奢侈品牌中更显著，而奢侈品需平衡包容性诉求与排他性定位。研究为品牌在多元价值时代的营销沟通提供了策略指引。
本文以安踏、李宁、特步为例剖析中国领先运动时尚公司的多品牌战略，揭示“单聚焦、多品牌、全球化”等差异化路径及其对品牌定位与财务表现的影响。
本文探讨了中国领先运动时尚公司——安踏、李宁与特步的多品牌战略，并分析多品牌战略对这些公司品牌定位与财务绩效的影响，识别运动服饰行业多品牌战略成功的关键因素。安踏采取“单聚焦、多品牌、全球化”战略，组合高性能运动服、童装与高端户外装备等多元品牌组合，以提升销售与品牌差异化；李宁推行“单品牌、多渠道”战略，聚焦品类扩张与品牌高端化，但后疫情时代面临品牌区分挑战；特步定位高性价比运动服饰并向高端市场扩展，但在组合扩张中面临定位与盈利压力。研究结果表明，良好执行的多品牌战略不仅能促进品牌增长与多元化，还能在快速演变的运动服饰行业中增强竞争优势。