文献追踪日报

在自然语言处理领域，大语言模型（LLM）的快速发展引起了越来越多的关注。LLM 在各种任务中展现出较高水平的创造力，但评估此类创造力的方法仍不完善。LLM 创造力的评估需要考虑与人类的差异，需要在衡量多个维度的同时兼顾准确性与效率。本文旨在建立一套评估 LLM 创造力水平的高效框架。通过改进的托兰斯创造性思维测验，研究评估了多种 LLM 在 7 项任务中的创造力表现，重点考察流畅性、灵活性、原创性和精致性 4 个标准。为此，研究开发了包含 700 道测试题的综合数据集，并提出一种基于 LLM 的评估方法。此外，本研究还对 LLM 在不同提示词与角色扮演情境下的响应进行了新颖分析。研究发现：LLM 的创造力主要在原创性上存在不足，而精致性表现优异；提示词与角色扮演设置会显著影响创造力；多个 LLM 协作能够提升原创性；在影响创造力的个性特质方面，人工评估与 LLM 评估结果趋于一致。研究结果凸显了 LLM 设计对创造力的重要影响，架起了人工智能与人类创造力之间的桥梁，为理解 LLM 创造力及其潜在应用提供了见解。

视觉神经解码不仅有助于阐明视觉信息处理的神经机制，也推动脑机接口技术的发展。然而，现有解码研究大多针对单个被试和特定任务分别建模，导致训练成本上升并消耗大量计算资源。本文提出提示引导的生成式视觉语言解码模型（PG-GVLDM），利用包含被试与任务信息的提示文本，从多个个体的视觉响应活动中解码主类别和详细的文本描述。除视觉响应活动外，研究还引入多头交叉注意力模块，将全脑响应活动输入模型，以捕获大脑中的全局语义信息。在自然场景数据集（NSD）上的实验表明，PG-GVLDM 在 4 名被试上的平均类别解码准确率达 66.6%，展现出较强的跨被试泛化能力；文本解码得分分别为 METEOR 0.342、Sentence-Transformer 0.450、ROUGE-1 0.283 与 ROUGE-L 0.262，达到文本解码的最先进水平。此外，融入全脑响应活动通过将分布式的神经信号整合为连贯的全局语义表征，显著提升了解码性能，凸显了其在统一神经解码中的方法论价值。该研究不仅实现了视觉神经解码方法论的突破，也为通用脑机接口的发展提供了理论与技术支撑。

大语言模型（LLM）提供了前所未有的自然语言理解与生成能力。然而，对它们展现其他认知功能（尤其是各类推理能力）的评估结果充其量只能说是喜忧参半。LLM 可靠稳健能力的有限范围催生了一类新的人工智能系统——LLM-Modulo AI，其中 LLM 被用来为智能系统的整体能力作出贡献。本文探讨 LLM 对大多数认知系统所严重缺失的一项特定能力的适用性：问题表述（problem formulation）。认知系统通常需要人类将问题定义转化为系统可用于尝试求解问题或执行任务的某种规约。本文探索如何利用大语言模型将自然语言定义的问题类别映射为半形式化规约，继而由现有的推理与学习系统求解该类别的实例，从而形成 Modulo-LLM 认知系统。

本文构建了一个严谨的贴现现金流（DCF）框架，用于优化含商业信用与分批配送的两级供应链补货决策。传统模型依赖单周期现值，在无限期设定下缺乏评估补货策略的理论一致性基础，且可能使决策偏向不切实际的短周期。为此，本文将平稳补货策略的无限期现值公式化，并将其转化为贴现成本率目标函数。在统一的 DCF 结构下，所有主要成本构成按其确切时点估值，从而可联合确定最优补货周期与发货频次。数值实验表明，贴现对最优策略具有强烈影响，且发货频次决策在 DCF 框架下能够更准确地反映商业信用期与库存持有成本之间的权衡。

近年来，信用担保作为供应链融资的有效方案受到广泛关注。然而，其融资效力与协调作用在风险规避态度背景下尚未得到全面探讨，尤其是供应链风险溢出问题。本研究引入一种新颖的信用担保供应链框架，包含银行、供应商和零售商三方，且各方具有不同程度的风险规避。利用条件风险价值（CVaR）准则，研究风险规避态度对均衡决策的影响并提出若干见解：首先，在涉及多风险规避主体的情形下，给出了更一般条件下供应商的最优批发价，刻画了供应链风险溢出的直观本质；其次，建立了评估整个供应链风险规避水平的框架，揭示信用担保对供应链的影响主要取决于银行与供应商的相对风险规避水平；最后，给出了零售商对市场风险容忍度的必要条件，该条件决定了信用担保协调供应链的有效性。

本文研究零售商作为中间人为供应商贷款提供担保的供应链融资与订货问题。传统供应链融资研究通常假设需求分布已知，而高不确定性问题的这类完整信息往往无法获得。此外，高不确定性往往使决策者更加关注策略的鲁棒性。为应对这些挑战，本文结合主观判断与鲁棒优化，利用模糊集表达专家判断，构建了新的鲁棒优化目标。该目标通过最坏情形优化框架纳入风险规避，更能契合决策者的行为特征。比较分析表明，本文提出的模糊鲁棒订货策略比传统期望最优策略与最大最小鲁棒策略更为合理，同时缓解了传统鲁棒模型的极端保守性，为处理不确定性提供了更务实的方法。

本研究在组态框架下整合计划行为理论（TPB）、品牌资产维度与人口统计因素，考察消费者对转基因食品（GMFs）的接受度。基于 405 名西班牙消费者的样本，研究将相关分析与模糊集定性比较分析（fsQCA）相结合，识别导致购买意向与购买非意向的因果路径。研究结果显示，传统 TPB 构念与品牌资产维度与购买意向正相关，而年长世代与购买意向负相关。然而，组态分析揭示出更为细致的图景：购买意向由 4 种组态解释，可分为两类主要画像——一类以年轻消费者中有利的主观规范为基础，另一类以品牌信任与品牌熟悉度的共同存在为核心；相反，购买非意向由 7 种组态解释，主要特征为有利的 TPB 条件缺失与品牌资产薄弱，尤其是缺乏信任与熟悉度。结果证实了 GMF 接受与拒绝之间的因果不对称性，并证明品牌信任与熟悉度是对态度因素的补充、构成购买意向相关组态的重要条件。从管理与政策角度看，促进 GMF 接受不仅需要改善态度与感知控制，还需要培育品牌信任与熟悉度。

本研究考察企业社会倡导（CSA）活动对顾客行为的影响，该议题日益受到关注但仍缺乏实证证据。研究采用精细加工可能性模型（ELM）评估企业社会倡导与顾客公民行为之间的关系，同时考虑品牌依恋与电子口碑的中介效应。研究采用基于偏最小二乘结构方程模型（PLS-SEM）的定量方法，通过便利抽样对 219 名大学生进行了问卷调查。大学生在理论上具有相关性，因为他们活跃于数字平台、具有社会意识，且与机构保持关系型而非交易型联系，这提高了他们对倡导活动的敏感度及表现出角色外行为的可能性。结果表明，大学的社会倡导能够直接影响学生的角色外行为，并体现为其行为（如帮助他人、提供反馈、为组织发声）。这些发现对学者及高校从业者（如管理者与营销部门）均有价值。真实、以价值为导向且具有社会正义性的倡导可通过恰当的传播得以强化，为大学提供更具社会责任感与意识感的战略定位，契合年轻世代的价值观，表明企业参与可主要推动长期品牌成功与消费者信任。

过去几年间，随着埃隆·马斯克在政治上愈发直言不讳、曝光度不断提高，观察人士一直在争论他的激进立场是损害还是强化了特斯拉品牌。一些人认为，特斯拉疏远了曾将其视为自由派与气候进步代名词的左倾消费者；另一些人则认为，马斯克的定位吸引了此前认为电动汽车在文化上与自己格格不入的右倾买家。文章剖析当 CEO 成为品牌化身时，个人政治立场如何重塑不同群体对品牌的感知，为管理者如何在高度分化的环境中管理与 CEO 绑定的品牌资产提供思考。