文献追踪日报

大型语言模型正越来越多地融入人类决策领域，但其训练数据中固有的社会偏见（尤其是年龄相关偏见）可能导致歧视性后果。本研究系统评估了LLM中年龄偏见的普遍性与严重性，并测试了多种缓解策略——包括提示工程、指令微调、检索增强生成及组合方法。实验表明，通过外部权威知识检索与针对性指令微调相结合，可在显著降低年龄偏见输出的同时不损害模型的通用能力与任务性能。研究为负责任人工智能开发提供了可操作的偏见缓解框架。

云数据中心的高效虚拟机（VM）调度是资源管理与运营优化中的关键问题。本研究提出一种新颖的语言智能体框架，利用大语言模型作为规划器，通过自然语言交互与模拟环境中的打分器协同，学习并改进VM调度策略。与依赖数值化状态表示的纯模仿学习方法不同，该框架将人类调度专业知识显式编码为语言指令，使策略学习更具可解释性与迁移性。在阿里巴巴生产环境数据的实验中，该方法在调度收益上较现有最优基线提升约0.4个百分点，验证了语言智能体在复杂运营决策任务中的有效性。

本文探讨了由大型语言模型驱动、从自然语言生成结构化查询语言（SQL）方面的显著进展。这些进展催生了成熟的文本转SQL集成应用，使不熟悉SQL语法的用户能够通过自然语言查询轻松访问数据库。然而，对LLM的依赖使此类应用面临潜在攻击——攻击者可能通过注入恶意提示或在训练阶段以恶意数据污染模型。此类攻击一旦得逞，可能导致未授权数据访问甚至数据库被完全破坏。针对这些问题，作者构建了一个包含恶意与安全提示及其对应SQL查询的大规模新颖数据集，支持恶意查询检测任务的模型微调；提出两种基于Transformer的分类方案辅助恶意攻击检测；最后给出融合上述方案的智能体式安全文本转SQL架构，与单纯依赖传统文本转SQL模型相比，整体安全性提升约70%。

在数据到文本生成任务中，使用大语言模型已成为普遍做法，能够生成流畅且连贯的输出。现有文献强调上下文示例的质量显著影响模型的经验性能，因此高效选择高质量示例至关重要。作者假设示例质量主要由两个属性决定：与输入数据的相似性以及彼此之间的多样性。基于此洞察，提出一种专门面向数据到文本生成任务的新方法——基于双重聚类的上下文示例选择。该方法包含两个不同的聚类阶段：第一阶段旨在最大化上下文示例与输入数据的相似性；第二阶段确保所选示例之间的多样性。此外，作者还开发了批量生成方法以提升LLM的token使用效率。实验结果表明，与传统上下文学习样本选择方法相比，该方法在保持准确率的同时显著提升了时间效率与token利用率。

大型语言模型的相对新近出现为人类与机器人交互（HRI）研究人员带来了大量新能力与相关组件。LLM正被应用于视觉、操作、规划、推理、学习及HRI问题，经常以"稻草人"形式出现——即LLM作为黑盒模块集成到机器人架构中，以便快速实现全流水线解决方案。然而，尽管应用爆炸式增长，关于将LLM纳入机器人架构的最佳方式、适当的安全与护栏考量，以及关键地，如何正确报告涉及LLM的HRI研究，仍存在普遍疑问。本文探讨了使用稻草人架构的HRI研究者的报告规范问题。作者识别出HRI研究过程中的五类关键利益相关者群体，讨论每类群体需要从HRI研究者处获得哪些信息，并确定将信息从研究者传递给利益相关者的适当机制（直接或间接）。研究贡献了一组建议性指南，涵盖研究者传播使用LLM的HRI研究信息时应包含的内容。

回忆往事对心理健康有积极影响。对于与老年人互动的机器人而言，回顾记忆的互动也是一个重要应用领域。尽管回忆如此重要，但尚无研究同时解决"促进机器人谈论用户记忆"与"从这些记忆生成内容"两方面的课题。本文提出TRAVOT系统，通过对话探索旅行照片背后的事件，并利用这些照片生成旅行回忆录。TRAVOT使用大型语言模型进行灵活信息收集；通过Meta-LLM话题控制机制加深对话主题，获取用户更深刻的故事。这不仅能够基于预置问题列表挖掘照片无法直接获得的信息，还能通过生成追加问题深化讨论；同时通过匹配判定消除朴素使用LLM产生的冗余问题。用户实验表明，与TRAVOT对话时参与者能回忆起旅行中更多有趣且不寻常的经历；阅读生成的旅行回忆录也能勾起他们的旅行回忆。此外，TRAVOT增加了对话与旅行回忆录中的信息量。

本文考察酒文化对企业商业信用获取的影响。利用中国上市公司数据与省级酒类消费数据刻画地区酒文化强度，研究发现酒文化更强的地区，企业能够获得更多的商业信用融资。机制检验表明，以酒为媒介的社交互动有助于缓解借贷双方的信息不对称、建立人际信任与关系纽带，从而促进供应商向企业提供商业信用。异质性分析显示，该效应在非国有企业、市场化程度较低以及正式制度环境较弱的地区更为突出。研究结论表明，在中国关系型社会中，酒文化作为非正式制度机制在供应链融资中发挥着重要的润滑作用。

本文研究CEO与CFO的责任心特质如何影响企业在全球金融危机期间的营运资本管理决策。利用金融危机前后美国上市公司高管人格特质数据，作者发现高管责任心得分更高的企业在危机期间采取了更稳健的营运资本管理策略——保持更高的现金持有水平、更短的应收账款周期与更审慎的应付账款管理，从而在信贷紧缩环境中展现出更强的财务韧性。进一步分析表明，CEO与CFO的责任心存在互补效应：两者责任心均高时，企业营运资本管理的稳健性最强。研究从行为金融视角揭示了高管人格特质对供应链财务决策与危机应对能力的重要影响。

区块链技术具有提升供应链金融透明度、效率与安全性的巨大潜力，但其在实际应用中仍面临诸多障碍。本研究旨在系统识别并评估供应链金融中区块链采用的障碍因素。作者提出一种集成的区间值费马模糊（IVFF）RAFSI决策模型，将区间值费马模糊集用于处理专家判断中的不确定性与模糊性，结合RAFSI方法对备选障碍进行排序。研究发现，技术复杂性、缺乏标准化以及供应链参与方之间的数据共享壁垒是区块链在供应链金融中采用的最关键障碍。研究结果为金融机构、政策制定者及供应链核心企业优先突破关键障碍、推进区块链驱动的供应链金融创新提供了决策依据。

本文通过消费者生活叙事研究，探讨品牌如何在个人经历重大危机与困境时发挥"救赎"作用。借鉴神话学中的奥德赛隐喻，作者分析了消费者叙述中品牌如何成为个人救赎旅程的关键载体：在失业、疾病、失恋等存在性危机时刻，品牌通过提供情感锚定、仪式性日常与身份连续性，帮助消费者重建自我叙事、恢复生活秩序并实现身份转型。研究提出"品牌化救赎"理论框架，揭示品牌与消费者关系不仅限于功能满足或身份表达，更可延伸至存在层面的疗愈与重生。该研究为品牌关系理论与消费者文化理论提供了新的理论视角，也对品牌沟通与品牌社群管理具有实践启示。

随着推荐算法日益主导消费者与品牌的互动，算法个性化对品牌忠诚的影响成为营销研究的重要议题。本文从消费者体验理论视角出发，对算法个性化与品牌忠诚的关系进行理论化分析。作者认为，算法个性化通过精准匹配消费者偏好、优化消费体验，能够增强品牌忠诚；然而，算法作为"决策代理"接管选择过程，可能削弱消费者的自主感与掌控感，引发心理抗拒，甚至导致品牌关系疏离。文章整合体验视角与关系营销理论，提出一个理解算法个性化、消费者体验与品牌忠诚之间动态关系的概念框架，并识别出体验真实性、感知自主性等关键调节变量，为后续实证研究与品牌算法策略管理提供理论指引。

表情符号已成为数字营销中品牌沟通的常用元素，但并非所有表情符号都会产生相同的效果。本文通过系列实验考察表情符号变体（如面部表情类型、情感强度与语义一致性）对消费者品牌态度、产品质量预期和试用意愿的影响。结果表明，与品牌信息语义一致且情感表达适度的表情符号能够增强信息说服力，提升品牌态度与试用意愿；而语义冲突或情感强度不当的表情符号会分散注意力、降低信息可信度，进而损害产品质量预期。研究还识别出感知趣味性与信息处理流畅性的中介作用。研究结论为品牌在社交媒体与数字广告中制定表情符号使用策略提供了实证依据。

非同质化代币（NFT）作为新兴的数字资产，正被众多品牌用作数字品牌延伸工具。本文利用事件研究方法，基于企业发布品牌NFT公告的资本市场数据，考察品牌NFT对财务绩效的影响及其对母品牌的溢出效应。研究发现，品牌NFT公告普遍伴随显著为正的异常收益率，表明投资者将品牌NFT视为创造价值的战略行动；且这种积极效应会溢出至母品牌，提升品牌整体的市场估值。异质性分析显示，NFT的稀缺性设计、所属行业以及NFT与品牌核心战略的契合度会显著调节上述效应。研究为品牌数字化转型中NFT战略的价值创造机制提供了资本市场层面的实证证据，也为品牌管理者设计NFT延伸策略提供了指导。