文献追踪日报

生成具有艺术性与连贯性的三维场景布局在数字内容创作中至关重要。传统基于优化的方法常受繁琐人工规则的制约，深度生成模型又难以产出丰富多样的内容，而利用大语言模型的方法往往缺乏鲁棒性，无法准确捕捉复杂的空间关系。为应对这些挑战，本文提出一种新颖的视觉引导三维布局生成系统：首先构建包含2 037个场景资产与147个三维场景布局的高质量资产库；随后采用图像生成模型将提示扩展为图像表征，并针对资产库进行微调；进而开发鲁棒的图像解析模块，基于视觉语义与几何信息恢复场景的三维布局；最后利用场景图与整体视觉语义优化场景布局，确保逻辑连贯并与图像对齐。大量用户测试表明，该算法在布局的丰富度与质量上显著优于现有方法。

可视分析支持复杂领域问题中的数据分析任务。然而，由于数据类型、可视化设计与交互设计的丰富性，用户在进行可视分析时需要回忆并处理大量信息。这些挑战凸显了对更智能的可视分析方法的迫切需求。大语言模型已展现出解读多种形式文本数据的能力，有望为可视分析提供智能化支持。本文提出LEVA框架，在多个阶段（引导、探索与总结）使用大语言模型增强用户的可视分析工作流：为支持引导阶段，基于系统规范用大语言模型解读可视化设计与视图间关系；在探索阶段，基于系统状态与数据分析让大语言模型推荐洞察，促进混合主动式探索；在总结阶段，提出选择性报告策略，通过流可视化回溯分析历史，并借助大语言模型生成洞察报告。研究展示了LEVA如何集成到现有可视分析系统中，两个使用场景与用户研究均表明LEVA能有效辅助用户开展可视分析。

交互式可视化编辑器使用户无需编写代码即可创作可视化作品，但此类工具并不就有效视觉传达的艺术与技巧提供指导。本文探索使用现成大语言模型为可视化设计师提供可操作、定制化反馈的潜力。其实现Visualizationary通过两大关键组件演示如何用ChatGPT实现这一目标：一是可视化设计指南的前置提示（preamble），二是一套从可视化图像中提取关键指标的感知过滤器。研究对13位可视化设计师（6名新手、4名中级、3名专家）开展了历时数日的纵向用户研究，让他们从零创作全新的可视化。结果表明，通过大语言模型以自然语言提供指导，能够帮助包括资深设计师在内的使用者打磨其可视化作品。

本研究考察零售领域（尤其是常规销售期与促销期）人类专家与大语言模型（LLM）的预测准确性。研究采用受控实验设计，以123名人类预测者与五种LLM（ChatGPT-4、ChatGPT-3.5、Bard、Bing与Llama2）为对象，以绝对百分比误差评估预测精度，重点考察支持性统计模型（基础与高级）、产品是否处于促销以及外部影响性质对预测绩效的作用。结果发现：LLM在预测准确性上并非始终优于人类；高级统计预测模型也并未一致提升人类或LLM的绩效；且无论是人类还是LLM，在促销期间的预测误差均有所增大。研究呼吁在将LLM整合进实际预测流程时需审慎考量。

金融科技借贷面临高信用风险，亟需高效的信用评分模型，但同时面临数据源有限与严重的类别不平衡问题。本文通过同时解决这两个问题，开发了一种新颖的两阶段信用评分模型（LLM-FP-CatBoost）：首先由大语言模型（LLMs）提取叙述性（narrative）数据作为补充信用数据集；随后将新的FocalPoly损失与CatBoost相结合，以处理类别不平衡问题。大量对比实验表明，所提出的LLM-FP-CatBoost在大多数情形下显著优于基准模型。在金融科技借贷数据集上对大语言模型进行两两比较时发现，中文专属大语言模型ERNIE 4.0取得最优综合表现，紧随其后的是GPT-4与基于BERT的模型。性能分解显示，其优势主要归因于由大语言模型提取的新数据源。SHAP算法进一步保证了LLM-FP-CatBoost的可解释性，且该模型的优越性对损失函数超参数、特定大语言模型及叙述性数据的其他提取方法保持稳健。最后，本文讨论了金融科技借贷中信用评分相关的管理启示。

保理是中小企业一项重要的外部融资工具，但在实践中保理定价往往难以兼顾融资可获得性与保理商的风险收益。本文立足供应链金融中的贸易信用场景，将保理商与融资企业之间的利益关系建模为Stackelberg博弈，提出一种融合风险定价与收益共享的混合定价模型：保理商作为领导者设定最优保理价格，中小企业作为跟随者据此决策是否接受融资。研究解析了均衡状态下的最优定价结构，并讨论了不同风险水平与融资额度下价格参数的选择，为保理商实现风险与收益的平衡、缓解中小企业融资困境提供模型化指导。

本文以相互依赖的两级供应链为对象，研究在信用担保融资机制下、买卖双方具有非对称风险规避（风险中性或风险厌恶）情形的最优决策问题，并引入稳健优化以处理需求不确定性。文章建立相应的博弈模型并求解均衡，考察信用担保比例与银行基准利率等参数对供应链成员定价、订购量及利润的影响；进一步将结果与无担保基准情形对比，分析了风险规避程度与稳健水平参数在平衡供应链效益中的作用。研究为资金受限供应链在信用担保机制下选择融资与决策策略提供了理论依据。

如何应对流动性冲击引发的财务困境已成为企业面临的紧迫问题。本文提供了一个厘清跨国供应链中融资援助与让步策略作用的分析框架，旨在帮助管理者理解如何选择策略。当流动性冲击较小时，买方为陷入困境的供应商提供融资援助，产生救助（bailout）效应；当税收差异与垂直持股的交叉效应较大时，买方融资能更有效地对冲破产风险。当流动性冲击较大时，陷入困境的供应商申请破产：若重整成本较小或适中，供应商选择重整，重整过程中出现让步效应与双向掠夺行为；若重整成本较大，供应商进入清算。研究结果为企业在流动性冲击下的融资与破产决策提供了建议。

本研究考察电竞消费如何通过赞助商-电竞契合度的中介作用影响赞助商品牌资产。具体而言，研究检验了契合度在两类电竞消费（现场观赛与直播观看）与三类赞助商品牌资产（品牌忠诚、品牌形象与品牌知名度）关系中的中介效应，数据来源于1353名韩国电竞粉丝。结果显示：现场观赛正向影响品牌形象，但对品牌忠诚与品牌知名度无显著影响；直播观看同样提升品牌形象，但不影响品牌忠诚与品牌知名度。中介分析表明，契合度完全中介了现场观赛与品牌忠诚、品牌知名度之间的关系，同时部分中介现场观赛与品牌形象的关系；契合度同样完全中介了直播观看与品牌忠诚、品牌知名度之间的关系，并部分中介直播观看与品牌形象的关系。这些结果凸显了契合度在将电竞消费转化为更强赞助商品牌资产中的关键作用，为研究者与实践者提供了重要启示。

现代零售业日益复杂，如何将可持续性举措与品牌资产、全渠道运营相互配合已成为关键研究领域。本研究旨在考察零售情境下品牌资产在可持续性实践与全渠道运营关系之间的中介作用，聚焦于当前市场中有效的零售策略。可持续性——包括社会责任、环境管理与道德经营行为——已成为企业战略的核心组成部分。为在实现运营效率与长期盈利性的同时满足消费者日益增长的对负责任经营的期望，企业尝试将可持续性融入其运营与品牌定位之中。研究通过结构方程模型等方法，基于零售行业的调研数据检验了品牌资产的中介效应，为企业在可持续性框架下整合品牌资产与全渠道策略提供了理论启示与实践建议。

本研究旨在探索品牌感知（温暖vs能力）与运动类型（竞技运动vs休闲运动）之间的交互如何影响品牌态度，并希望为不同的体育营销策略如何影响非运动品牌的品牌态度提供洞见。研究采用2×2实验设计，考察运动类型（竞技vs休闲）与品牌感知（温暖vs能力）对品牌态度的影响。结果显示，品牌感知与运动类型的交互效应显著影响品牌态度：对感知为温暖的品牌而言，与休闲运动合作会带来更积极的品牌态度；反之，对感知为能力的品牌而言，与竞技运动合作能够提升品牌态度。此外，品牌个性清晰度中介了品牌感知与运动类型交互对品牌态度的影响。该研究为品牌如何针对不同运动类型制定差异化营销策略提供了实践指导。