文献追踪日报

组合优化问题的启发式设计长期依赖人类专家经验与反复试错。近年来基于大语言模型（LLM）的自动启发式设计方法取得了显著进展，但多数方法仍停留在"生成-评估"的性能驱动循环中，机制层面的验证与跨代知识积累较为薄弱。为此，本文提出ARES（AI Research Ensemble System），将自动启发式设计组织为验证驱动、知识累积的多模块协作工作流：由Theorist负责机制级分析，Experimenter负责候选生成，Critic负责结构消融与参数扫描验证，并引入策略表（Strategy Table）支持机制级设计经验的跨代继承。在6个代表性组合优化问题上的实验表明，ARES在报告设置下取得了比较方法中的最优平均性能，并在结构多样的基准集中表现出稳定提升。

医学信息抽取（IE）是电子健康档案（EHRs）的重要环节，但将纯文本转化为结构化知识颇具挑战，领域模型难以达到理想性能。LLM在文本理解与生成方面能力出色，但过度依赖精心设计的提示词，需要大量专家知识与人工模板。本文提出基于粒子群优化与LLM的自动提示设计方法PSOPL：以少量初始提示为起点，演化算子引导LLM逐token迭代生成新候选提示，并评估种群适应度。PSOPL不依赖LLM内部状态、几乎不需要医学领域知识即可自动设计提示，在医学信息抽取任务中与F1分数对比表现更优，并公开了最优提示。

大语言模型（LLMs）在软件工程静态分析任务中的潜力日益受到关注。本研究考察当前LLM增强Python与JavaScript调用图分析与类型推断的能力，利用已有及新构建的基准实证评估了24个LLM（包括OpenAI的GPT系列以及LLaMA、Mistral等开源模型）。研究扩展了TypeEvalPy微基准框架，使其自动生成能力将Python类型注解范围从860个扩展到77268个，并引入SWARM-CG与SWARM-JS两套综合基准套件用于跨语言调用图构建工具评估。结果显示LLM在静态分析任务上表现分化：调用图生成方面，PyCG（Python）与Jelly（JavaScript）等传统静态分析工具持续优于LLM；尽管mistral-large-it-2407-123b与gpt-4o等先进模型展现出潜力，但在两语言调用图分析的完整性与正确性上仍有不足；而LLM在类型推断方面优势明显。

二进制代码分析在软件安全领域扮演关键角色，广泛用于软件维护、恶意软件检测、漏洞发现、补丁分析等任务。与源代码不同，二进制代码缺乏直观语义信息，逆向工程师面临显著挑战；传统逆向工具虽可将二进制转换为类C伪代码，但缺少注释与函数名等符号信息，代码理解依然困难。近年来，基于深度学习与LLM的技术在二进制代码理解方面展现出前景。本文提出基准以评估LLM在真实逆向工程场景中的有效性，涵盖两项关键的二进制代码理解任务（函数命名与反编译伪代码理解），系统考察LLM在该领域的实际能力，为二进制安全分析中LLM的适用边界提供了实证依据。

需求建模是软件开发的关键步骤，尤其在工业制造领域，模糊或不完整的需求常导致系统故障。传统方法难以从自然语言描述中准确捕获关键信息，尤其是用例图中参与者与用例之外的复杂关系。本研究旨在利用LLM从自然语言文本自动抽取复杂用例图元素，弥补传统需求建模的局限、提升准确性与效率。UCD-LLM通过精心设计的提示引导LLM抽取用例图元素，引入自我反思机制缓解幻觉，并采用多智能体辩论机制模拟需求建模者讨论，增强功能实体间复杂关系的识别。在参与者、用例及各类关系的抽取上，UCD-LLM相比传统机器学习方法与三个zero-shot LLM基线在多数指标上取得更优结果；在5个经典建模案例中，UCD-LLM相比传统方法将FEF提升148%–167%。

LLM融入软件工程已推进到开发生命周期的智能体自动化，但不同多智能体编排策略的比较有效性仍待探索。本研究考察三种智能体配置策略——任务专用（TS）、阶段专用（PS）与流程通用（PG）——对关键开发任务中生成软件制品有效性的影响。在结构化编排框架内使用统一LLM后端，在需求分析、设计建模、实现与测试等9项核心软件工程任务上评估三种配置，覆盖旅游预订系统、智能钱包系统与点餐配送系统三个应用领域；制品有效性以结构与语义标准度量。结果显示没有配置在所有任务上一致占优，总体平均有效性得分0.56（标准差为0），表现整体受限：早期需求任务有效性最高（0.63–0.85），实现与测试任务中等（0.61）；配置影响具有任务与领域依赖性但整体有限，支持面向任务的LLM专业化。

跨国公司如何监控与规范多层全球价值链中的工作条件？基于内部化理论的文献将跨国公司视为唯一监管者，假设链内供应商被动服从。本文挑战这一思路——单一企业不可能监控数百家独立供应商。作者拓展级联治理理论，将供应商视为监管中介并聚焦监管质量问题。通过对韩国服装与电子行业两家一级供应商的案例研究发现：作为牵头企业的跨国公司在级联治理中比理论预期更为审慎，保持对次级供应商的直接审计；一级供应商凭借中介能力促成牵头企业的级联治理，但在牵头企业要求不一致与东道国环境挑战下，级联治理的落实面临困难。该研究为全球供应链治理中供应商的角色与治理质量提供了新解释。

本文提出一种考虑多目标与参数不确定性的闭环供应链设计新方法。首先构建考虑数量折扣与CO2减排经济收益的闭环供应链混合整数规划模型；随后采用源自电力系统的FePIA（特征、扰动、影响、分析）方法进行鲁棒性度量。所提多目标方法考虑三个目标：最小化CO2排放相关环境成本（EC）、最大化供应链投资净现值（NPV）、最小化财务风险（FR），并以加权平均求和法集成。利用一家在哥伦比亚运营的跨国公司的真实数据检验了方法的有效性，结果证明所提方法论在平衡经济与可持续目标方面的效果。

本研究通过计算11个代表性油轮运价指数及WTI、布伦特期货价格指数的月度波动率，分别度量油运与原油市场风险。采用集成经验模态分解（EEMD）方法与fine-to-coarse算法分离油轮运价波动的高频成分，并运用时变参数向量自回归（TVP-VAR）模型分析原油期货价格在波动率层面对油轮运价高频成分的影响。结果显示：原油价格波动对油轮运价波动的影响在不同航线程度不同；原油价格波动对短途航线及航线上的小型船舶的运价波动存在正向溢出效应，为航运供应链风险管理提供了时频维度的新证据。

在线口碑对雇主品牌与录用前结果有强大影响，雇主需要在社交媒体上制定有效的雇主评价回复策略。利用机器学习与文本挖掘技术，作者从Glassdoor数据集中识别出雇主对负面评价的三种回复类型（辩解、道歉、亲社会行为）与对正面评价的两种回复类型（讨好、示范）。整合组织印象管理与刻板印象内容研究，构建并检验了回复类型对人才吸引影响的理论模型，通过本科生（研究1）与在职求职者（研究2）两个情境实验验证。两项研究均显示：不回复负面评价导致雇主结果最差；回复有效性因目标人群而异，亲社会行为回复对新人求职者最为有效。

本文将文化研究与法律史相结合，考察一种特定形式的历史性迷魅——"不劳而获"的经济魔法。在英国大众广告的早期历史中，这种魔法发生了迁移：先以实物形式存在于19世纪奖品与礼品广告的早期历史中，后被品牌广告的非物质化形式逐渐取代。文章考察这一非物质化过程，认为法律无意中促成了它——法律在此被解读为关于市场"不劳而获可能性"的公共辩论。法律对奖品广告与品牌广告的回应呈现明显分歧：对前者远为限制，从而为广告商创造了将魔法非物质化（从实物奖品转向抽象品牌）的条件，为理解品牌价值的法律建构提供了历史视角。

本文考察网红营销公司及其算法工具如何在拉丁美洲定义与衡量"影响力"。基于Boltanski与Thévenot的"价值秩序"框架，结合对智利三家公司高管的案例研究与访谈，分析这些企业如何运用数字量化实践识别、监控与管理网红。研究发现：中介机构通过不透明的指标、定价结构与监控系统计算网红价值；尽管行业波动、缺乏监管且风险重重，这些公司仍向品牌承诺更大的确定性，提供选择、控制与评估网红的算法工具。量化过程再生产了不平等的权力关系，削弱了网红的自主性，同时巩固了平台与中介在网红经济中的支配地位。

在体验品销售平台上，消费者购买前只知道商品价值的分布，购买后才知晓真实价值；消费者对价值分布范围的感知存在差异，退货政策也会影响市场战略互动。本文基于事后定价框架，通过受控实验室实验首次同时考察退货政策的存在性与消费者感知异质性水平的影响。研究发现：退货政策降低体验品市场的价格；感知异质性越大，价格越低、退货率越高。结果提示在线销售平台强制退货政策存在潜在弊端——降低卖家利润且不改善消费者福利，为电商平台退货政策设计提供了实验证据。