文献追踪日报

2026年10月11日

今日检索概况

主题检索期刊收录论文数
AI大模型Tsinghua Science and Technology、International Journal of Machine Learning and Cybernetics、Language Resources and Evaluation6
供应链金融Quantitative Finance、Sustainability、Economics and Politics5
品牌Financial Management、European Journal of Management and Business Economics、Qualitative Market Research: An International Journal4
合计9本15篇

注:本次 9 本期刊均为新刊(未出现在历史检索记录中),其中 Tsinghua Science and Technology 为 SCI Q1(中科院1区),Quantitative Finance、Financial Management 为 ABS 3★ / SSCI 收录,其余为 SCI/SSCI Q2 级别期刊。

AI大模型 检索期刊:Tsinghua Science and Technology、International Journal of Machine Learning and Cybernetics、Language Resources and Evaluation
#1 · AI大模型
基于大模型的AI智能体综述
[1] Qin C, Jin L. A Survey of Large-Model-Based AI Agents[J]. Tsinghua Science and Technology, 2026. DOI: 10.26599/tst.2026.9010072.
一句话概括

本文对基于大模型的AI智能体进行全面综述:解构推理、感知、记忆、规划、行动与学习等核心模块的交互机制,系统梳理评测基准与指标,并展望下一代智能体的关键挑战与未来方向。

摘要

大模型(LMs)的进展催生了人工智能(AI)的范式转变,使自主智能体能够进行复杂推理、规划,并与数字和物理环境交互。该领域以前所未有的速度扩张,亟需全面、结构化的综述以整合现有知识并指引未来创新。本文对基于LM的AI智能体进行整体回顾:首先解构现代LM智能体的核心架构,考察推理、感知、记忆、规划、行动和学习等关键模块间的相互作用;随后系统分析评估格局,总结当前基准、指标及各模块的性能权衡;进而调查这些智能体在从数字领域到具身系统的广泛应用中的变革性影响;最后指出关键挑战与未来方向,为下一代LM智能体提供发展路线图。

#2 · AI大模型
稀疏大语言模型的高效低秩适配
[2] Hu Y X, Tian T, Chen X D, et al. Efficient Low-Rank Adaptation for Sparse Large Language Model[J]. Tsinghua Science and Technology, 2026, 31(4): 2292-2303. DOI: 10.26599/tst.2025.9010174.
一句话概括

本文提出面向稀疏大语言模型微调的低秩适配方法LoRS,通过权重重计算与计算图重排降低保持稀疏性的内存与计算开销,并以更优适配器初始化提升效果,性能超越现有LoRA方法。

摘要

现有低秩适配(LoRA)方法在稀疏大语言模型(LLMs)上因无法保持稀疏性而面临挑战。近期工作通过为LoRA技术附加额外掩码机制来保持稀疏性,但此类方法增加了内存与计算开销,影响LoRA效率。针对这一局限,本文提出面向稀疏大模型的低秩适配方法LoRS,旨在微调稀疏LLM时兼顾内存与计算效率。为缓解保持稀疏性带来的内存与计算需求,方法引入权重重计算与计算图重排策略;同时通过更优的适配器初始化提升LoRS有效性。这些创新在微调阶段显著降低内存与计算消耗,同时性能优于现有LoRA方法。

#3 · AI大模型
大语言模型少样本命名实体识别的证据链方法
[3] Wu C Y, Zhang Q, Xue Y, et al. Chain of evidence for few-shot NER with large language models[J]. International Journal of Machine Learning and Cybernetics, 2026, 17(2). DOI: 10.1007/s13042-025-02849-w.
一句话概括

本文面向少样本命名实体识别(Few-shot NER)提出“证据链”(Chain of Evidence)方法,利用大语言模型构建实体证据链以提升少样本场景下的实体识别性能。

摘要

(出版社未开放摘要,此处为基于标题与公开文献信息的简介)本文针对少样本命名实体识别任务提出证据链(Chain of Evidence)方法,借鉴思维链(Chain-of-Thought)推理思想,引导大语言模型在少样本提示下逐步构建实体识别的证据链,以缓解标注数据稀缺导致的识别性能下降问题。

#4 · AI大模型
AI驱动的模拟面试自动评估:利用生成式语言模型
[4] Uppalapati P J, Dabbiru M, Kasukurthi V R. AI-driven mock interview assessment: leveraging generative language models for automated evaluation[J]. International Journal of Machine Learning and Cybernetics, 2025, 16(12): 10057-10079. DOI: 10.1007/s13042-025-02529-9.
一句话概括

本文构建AI驱动的模拟面试自动评估框架,利用生成式语言模型对面试回答进行自动化评价,为教育与招聘场景中的面试训练提供智能化评估工具。

摘要

(出版社未开放摘要,此处为基于标题与公开文献信息的简介)本文研究如何利用生成式语言模型实现模拟面试回答的自动化评估:结合自然语言处理与语音处理技术,对候选人面试回答内容进行自动打分与反馈,探讨生成式模型在面试评估公平性与实用性方面的潜力。

#5 · AI大模型
生成式人工智能与大语言模型的幻觉:测试、数据集、检测与纠正方法
[5] Naser M Z. Hallucinations in generative artificial intelligence and large language models: tests, datasets, detection and correction methods[J]. Language Resources and Evaluation, 2026, 60(3). DOI: 10.1007/s10579-026-09938-4.
一句话概括

本文系统综述GAI与大语言模型中的幻觉现象:涵盖定义、内在机制、分类体系、常用测试与数据集,梳理检测策略(一致性校验、外部事实核查、对比学习、不确定性校准、RAG等)与纠正缓解技术,并讨论幻觉对用户信任的影响及未来研究方向。

摘要

生成式人工智能(GAI)与大语言模型(LLMs)在生成类人内容方面展现出强大能力,但也倾向于编造虚假信息,即所谓“幻觉”。本文对GAI与LLM中的幻觉进行全面综述:涵盖幻觉的定义、内在机制、分类体系、常用测试与评估数据集;深入分析导致失真的内外部因素,包括模型架构局限、训练数据偏差与推理算法问题;考察多种检测策略(事后一致性校验、外部事实核查、对比学习、不确定性校准方法、检索增强生成RAG等);综合梳理从训练期主动措施到检测与干预混合方法的各种纠正与缓解技术;最后整合定性评估与对比洞见,阐明幻觉对用户信任与接受度的影响,揭示当前挑战与未来研究趋势。

#6 · AI大模型
句子级自动可读性评估:神经模型、混合模型与大语言模型
[6] Liu F K, Jin T, Lee J S Y. Automatic readability assessment for sentences: neural, hybrid and large language models[J]. Language Resources and Evaluation, 2025, 59(3): 2265-2296. DOI: 10.1007/s10579-024-09800-5.
一句话概括

本文构建首个约7万句的中文句子级可读性数据集,首次将LLM应用于句子级可读性评估,发现混合模型在英汉数据上均优于传统分类器、神经模型与LLM,并在华尔街日报数据集上刷新最优成绩。

摘要

自动可读性评估(ARA)旨在确定读者理解给定文本的认知负荷。ARA研究多在文本层面进行,众多研究表明神经与混合模型表现优异;而句子层面的ARA受到的关注较少,尽管许多NLP应用需要评估单个句子的难度。本文比较神经模型、混合模型与大语言模型(LLMs)在句子级ARA上的表现,作出三点主要贡献:其一,构建首个中文句子级ARA数据集,含近7万句,以推动中文评估;其二,给出LLM应用于句子级ARA的首批实验结果;其三,在以往研究多聚焦英语数据的背景下,证明混合模型在英语和中文数据上均优于传统分类器、神经模型和LLM。最佳混合模型在华尔街日报数据集上取得当前最优结果,较此前最好成绩提升近15%绝对值,并在CEFR-SP数据集上取得有竞争力的结果。详细分析识别出对混合模型性能贡献最显著的语篇特征:10个语言特征在所有数据集上与可读性相关,基于该精简特征集训练的模型性能可与完整特征集媲美。这些结果不仅为句子级ARA的混合模型提供新洞见,也为英汉未来研究设立新基准。

供应链金融 检索期刊:Quantitative Finance、Sustainability、Economics and Politics
#7 · 供应链金融
市场摩擦下中小企业的稳健投资与融资
[7] Wang L F, Wang Y, Zhang H, et al. Robust SME investment and financing under market frictions[J]. Quantitative Finance, 2025, 25(11): 1831-1849. DOI: 10.1080/14697688.2025.2519842.
一句话概括

本文构建中小企业稳健投资实物期权模型,分析市场摩擦下企业异质投资与融资策略:信息不对称下高类型企业可通过加速投资发出信号,但模型不确定性下现金流模糊会放大投资扭曲成本使信号失效,并揭示模糊与风险对融资决策的不同影响。

摘要

本文构建中小企业稳健投资的实物期权模型,研究市场摩擦下中小企业异质的投资与融资策略。当企业利用创新信用担保机制(股权换担保,即EGS)在信息不对称条件下融资时,高类型企业(现金流规模较大)可通过加速投资并区别于低类型企业来避免价值低估。然而研究表明,在模型不确定性下,现金流模糊会放大投资扭曲成本,使该信号策略失效。这些效应使得当市场信念显著偏低时,无担保债务融资优于EGS,且在融资约束放松时更为明显。本文揭示了模糊与风险对融资决策的不同影响:模糊对融资决策的影响是单调的,而风险的影响是非单调的,取决于使用担保的股权稀释程度。

#8 · 供应链金融
中小企业供应链金融工具评估:政府支持下的可持续供应链Stackelberg方法
[8] Shilpy, Kumar A. Evaluating Supply Chain Finance Instruments for SMEs: A Stackelberg Approach to Sustainable Supply Chains Under Government Support[J]. Sustainability, 2025, 17(15): 7124. DOI: 10.3390/su17157124.
一句话概括

本文运用Stackelberg博弈模型比较贸易信贷与反向保理两种供应链金融工具对资金约束型中小企业制造与分销决策的影响,发现反向保理在政府支持政策下可带来更优利润并显著提升分销商需求、利润与可持续营销努力。

摘要

本研究旨在考察绿色供应链(GSC)框架下资金约束型中小企业制造商与分销商的融资决策。通过评估供应链金融(SCF)工具的影响,研究采用Stackelberg博弈模型探索分散化决策系统。据我们所知,这是首个独特比较贸易信贷(制造商提供无折扣零利率信用)与反向保理,并考虑政府支持政策影响下分销商可持续营销努力的博弈模型研究。研究表明:制造商应采用反向保理以获取最优利润,并积极参与分销商的融资决策以解决分散系统的低效率;在有利政策支持下,反向保理使分销商的需求量、利润与可持续营销努力显著提升。结果通过Anaconda发行版中的Python 3.8.8模拟得到验证,为政策制定者与供应链管理者提供有价值的洞见。

#9 · 供应链金融
可持续供应链金融:多案例研究
[9] Zhou W, Masi D. Sustainable Supply Chain Finance: A Multiple Case Study[J]. Sustainability, 2025, 17(11): 4862. DOI: 10.3390/su17114862.
一句话概括

本文通过五个真实案例,运用认知映射方法探究工业4.0技术支持下的供应链金融如何整合ESG原则提升供应链可持续性,构建可持续供应链金融(SSCF)关键主体角色与相互关系概念框架。

摘要

数字化与工业4.0正在改变全球供应链运营。然而,传统供应链金融(SCF)实践往往忽视可持续性。本研究探索在工业4.0技术支持下,供应链金融如何通过整合环境、社会与治理(ESG)原则来增强供应链可持续性。通过定性案例研究方法考察五个真实案例,构建捕捉可持续供应链金融(SSCF)中关键主体角色及其相互关系的概念框架;采用认知映射直观综合这些复杂过程。研究发现:创新技术、利益相关者参与和针对性金融激励可推动供应链可持续改进。研究洞见为实践者与政策制定者提供宝贵指导,并为未来实证研究奠定基础。

#10 · 供应链金融
供应链金融与企业供应链配置:集中还是多元化
[10] Liu X, Zhang X R, Pang T Y, et al. Supply Chain Finance and Enterprise Supply Chain Configuration: Centralization or Diversification[J]. Economics and Politics, 2025, 38(1): 5-17. DOI: 10.1111/ecpo.70008.
一句话概括

基于2007-2021年A股上市公司数据,本文发现供应链金融显著降低企业供应链集中度、促进多元化配置,机制在于降低上下游交易中的供需协调成本、融资成本与企业风险并提升供应链透明度,从而保障供应链安全。

摘要

在全球化与经济不确定性背景下,企业通过供应链金融(SCF)优化供应链配置。本文从供应链治理视角,利用A股上市公司数据(2007-2021)发现:SCF降低了供应链集中度并促进多元化,尤其在高信任、不确定环境下更为显著。机制检验表明,SCF可显著降低上下游交易过程中核心企业的供需协调成本、融资成本与企业风险,并提升供应链透明度。这些特征促进了企业供应链的多元化配置,保障了供应链安全。

#11 · 供应链金融
供应链金融是否创造更多就业?来自中国的证据
[11] Qiu J L, Cui M M, Li G P, et al. Does Supply Chain Finance Create More Jobs? Evidence From China[J]. Economics and Politics, 2025, 37(3): 1011-1032. DOI: 10.1111/ecpo.12355.
一句话概括

基于2011-2021年中国A股上市公司数据,本文发现供应链金融通过促进组织创新、增加长期资产投资与刺激销售增长显著提升企业就业,且主要增加高技能岗位,不会造成劳动力冗余。

摘要

基于2011-2021年中国A股上市公司的实证数据,本文发现供应链金融(SCF)通过促进组织内部创新、增加长期资产投资和刺激销售增长,显著提高企业就业水平。该正向效应在数字化水平较高地区、面临较高供应链风险的企业以及具有金融背景或低短视化管理团队的企业中更强。此外,SCF主要增强高技能人才就业。SCF带来的合理就业扩张有利于企业可持续发展,而不会造成劳动力冗余。

品牌 检索期刊:Financial Management、European Journal of Management and Business Economics、Qualitative Market Research: An International Journal
#12 · 品牌
品牌资产与债务多元化
[12] Mauer D C, Yu M M, Zhang A H. Brand Equity and Debt Diversification[J]. Financial Management, 2026. DOI: 10.1111/fima.70053.
一句话概括

本文以商标代理品牌资产,发现品牌资产通过信号更大更稳定的未来现金流与更高产品市场知名度,降低债权人协调失败成本与企业对特定贷款人冲击的暴露,从而显著提高债务结构多元化程度。

摘要

本研究考察品牌资产如何影响企业债务结构的多样性。本文提出:品牌资产通过信号传递更大更稳定的未来现金流与更高的产品市场知名度,改变驱动最优债务类型多样性的基本权衡。具体而言,强品牌资产可通过降低债权人协调失败的成本、减少企业对特定贷款人冲击的暴露,实现更高的债务多样性。以商标作为品牌资产的代理变量,研究发现品牌资产与债务多样性之间存在稳健的正相关关系。准自然实验支持该效应的因果解释。横截面检验进一步表明,该关系在面临更大信息不对称与更高产品市场竞争的企业中更为显著。结果对品牌资产与债务多样性的替代度量均保持稳健。

#13 · 品牌
品牌酷感:品牌联想、品牌信念与品牌拥护的触发因素
[13] Butt F K, Muhammad L. Brand coolness, a trigger for brand associations, brand beliefs, and brand advocacy[J]. European Journal of Management and Business Economics, 2025: 1-17. DOI: 10.1108/ejmbe-03-2024-0107.
一句话概括

本文基于SOR模型对402名游客样本的分析发现:品牌酷感正向影响品牌联想、品牌信念与品牌拥护,且品牌联想与品牌信念在酷感与品牌拥护之间起显著中介作用,为旅游目的地品牌管理提供新洞见。

摘要

目的:品牌酷感概念近来受到研究者关注,研究人员与实践者希望了解其后果。本研究旨在识别品牌酷感是否影响品牌联想、品牌信念与品牌拥护,并基于刺激-有机体-反应(SOR)模型探索品牌联想与信念如何传递品牌酷感对品牌拥护的影响。设计/方法/路径:研究采用定量方法,有效样本为402名游客,使用SmartPLS 4.0.8.5分析数据。结果:品牌酷感正向影响品牌联想、品牌信念与品牌拥护;品牌联想与品牌信念在品牌酷感与品牌拥护之间起显著中介作用。原创性/价值:本研究在旅游目的地情境下考察品牌酷感的新后果,丰富了相关文献,同时为品牌拥护提供新前因,并探索了此前未被考虑的品牌联想与信念的中介效应。这些发现对强化品牌酷感文献具有重要价值,并为研究者与实践者提供启示。

#14 · 品牌
将可持续性整合进品牌估值模型:整合性文献综述
[14] Salinas G, Abril C. Integrating sustainability into brand valuation models: an integrative literature review[J]. European Journal of Management and Business Economics, 2025, 35(4): 555-570. DOI: 10.1108/ejmbe-03-2024-0104.
一句话概括

本文通过系统文献综述与文献计量分析(39篇文献)梳理可持续性影响品牌价值的两条路径——消费端与企业端,主张品牌估值模型应同时纳入消费者与企业双重指标,以完整捕捉可持续努力对品牌价值的影响。

摘要

目的:鉴于文献中关于可持续性对品牌价值影响的结论不一,本研究旨在通过分析与综合现有研究厘清争论,重点关注评估可持续性与品牌价值的指标,以及塑造该关系的调节与中介因素。设计/方法/路径:研究采用系统文献综述与文献计量分析,基于Web of Science核心合集(WoS)、Scopus与ScienceDirect收录的出版物,检索过程遵循SPAR-4-SLR协议与PRISMA指南,共检索到39篇文章并使用VOSviewer软件进行文献计量分析。结果:可持续努力通过消费端与企业端两条主要路径影响品牌价值。在研究消费端路径时,大多数学者忽视了消费者感知在品牌价值创造中的作用。本文强调品牌估值模型需同时整合消费者与企业指标,以完整捕捉可持续努力对品牌价值的影响。原创性/价值:本文是首个采用系统文献综述与文献计量分析探索可持续性对品牌价值影响的研究,对文献中不同的测量方法提供批判性概览,并提出重要管理启示——如需要在品牌估值中同时反映企业与消费者指标——同时提出全面的未来研究议程。

#15 · 品牌
“脑腐”(Brainrot)内容策略及其对Z世代品牌参与的影响
[15] Nguyen T T, Dang T T. Brainrot content strategies and their impact on generation Z’s brand engagement[J]. Qualitative Market Research: An International Journal, 2026: 1-26. DOI: 10.1108/qmr-02-2026-0050.
一句话概括

本文通过内容与情感分析研究9个品牌的42个TikTok视频及20,919条在线口碑评论,发现“脑腐”内容通过荒诞性、产品拟人化、成瘾性视听反差与AI生成怪诞画面驱动Z世代品牌参与,情感倾向70.6%为正面。

摘要

目的:本研究旨在考察“脑腐”(Brainrot)内容策略如何驱动Z世代的品牌参与,以及其病毒式传播背后的心理与社会机制。设计/方法/路径:采用定性研究,通过内容分析与情感分析,分析来自9个品牌的42个TikTok视频及20,919条电子口碑(e-WOM)评论,整合使用与满足理论、情绪传染与社会影响理论。结果:“脑腐”内容通过荒诞性、产品拟人化、成瘾性视听反差和怪诞的人工智能(AI)生成画面驱动参与。e-WOM揭示四个主题:对官方账号的惊讶、对营销团队的赞赏、将“不正经”视为参与方式、以及增强品牌亲和力的幽默讽刺。情感极性中70.6%为正面。研究局限/启示:定性、单一平台的样本限制可推广性;未来研究应采用纵向、跨平台与实验设计,检验AI披露效应及其对品牌忠诚和Z世代心理健康的长期影响。实践启示:品牌应优先采用产品拟人化与视听反差而非泛化幽默,提供认知减压与高唤醒娱乐,在保护品牌价值观的同时顺应迷因文化规范,并持续监测e-WOM。社会启示:“脑腐”的成瘾性引发对Z世代心理健康的担忧,呼吁在数字过载中进行合乎伦理的内容创作。原创性/价值:据作者所知,本文是首批将“脑腐”作为新兴营销实践进行实证检验的研究之一,运用理论三元组解释荒诞驱动的品牌参与,在所研究品牌与单一平台范围内,为“脑腐”内容策略及AI在建立真实Z世代-品牌联结中的作用提供新颖洞见,同时表明这些策略具有情境依赖性而非普遍适用性。