文献追踪日报

维护规划及任务所需部件的生成往往耗时且复杂。通过利用以往的规划包与数据自动创建重复性或相似任务，并挖掘可自动生成规划包的洞见，有望节省大量时间与资源。本研究旨在发挥大语言模型（LLM）的文本与概率能力，自动生成规划包。研究采用从原始数据到手写文本的多种数据源，训练并测试单一与协同的LLM。结果表明，这些模型能够生成关键的规划包组件，并有效复现数据中的统计模式，说明可在数字资产中用于自动化规划。本文提出了面向资产数字孪生中LLM文本与对话式规划工具的数据集构建方法、训练套件与评估方法。结果显示，微调后的模型能够在真实维护数据的统计范围内生成估算的规划信息，并在文档问答与指令生成任务上达到90%以上的准确率；会话式检索增强生成（RAG）助手实现100%的文档检索准确率，在多数工作包助手模块中会话信息捕获准确率超过98%。

常规生产调度方法在应对日益增长的定制化生产需求时面临显著挑战。柔性调度为企业应对生产资源的动态组织以及定制化制造场景中需求的快速波动提供了手段。CarbonDTMAS（面向碳排放的数字孪生多智能体系统）是本研究提出的、由大语言模型增强的平台，旨在提升柔性制造车间的协同优化能力，尤其聚焦碳排放缓解与动态调度优化。研究首先开发了多智能体自组织协商机制，以利用碳排放相关的特定领域知识，增强智能体在柔性车间环境中的自主感知与交互能力；随后提出多目标调度决策算法，将任务与机器特征、历史碳排放数据等关键调度因素综合纳入决策过程；最后引入自适应学习算法，提升模型对机器故障、订单插入等不确定事件的响应能力。案例研究表明，与基准模型和规则式系统相比，CarbonDTMAS在减少拖期时间、平衡工作负荷和降低碳排放方面表现更优。

各行各业的企业正尝试将生成式人工智能（GAI）融入既有业务。在电子商务领域，GAI在生成在线评论方面展现出巨大潜力。然而，现有文献较少关注消费者如何区别对待GAI生成评论与人类生成评论，也少有研究探讨消费者是否以及为何愿意使用GAI生成在线评论。本研究通过两项实验，考察消费者对GAI生成评论与人类生成评论的差异化反应，并识别影响消费者使用GAI生成评论意愿的潜在因素。结果表明，尽管消费者在评论可信度、评论丰富度和评论有用性感知上对两类评论并无显著差异，但仅有一半参与者愿意使用GAI生成评论。进一步分析显示，认为GAI不道德的个体倾向于回避使用GAI；个人创新性较高的个体更愿意使用GAI生成在线评论。研究深化了对消费者GAI生成评论态度的理解，并为在线评论系统中GAI的部署提供了启示。

检测虚假在线评论对电子商务生态至关重要，但既有研究往往未能挖掘评论的内在属性，限制了检测性能。本文提出新型虚假评论检测模型LLMChaos，从大语言模型（LLM）与混沌理论双重视角考察评论。具体而言，首先提出融合能量选择与LLM的方法，由评论生成时间序列；其次构建包含多种混沌属性的空间映射机制，以刻画评论的内在属性；最后设计分层学习网络，在LLM层、混沌属性层与Transformer层之间进行深度对比学习。大量实验表明LLMChaos稳健且性能领先：在Hotel数据集上F1达94.78%，较近期模型提升1.42%—19.78%；在Amazon数据集上F1达93.15%，较近期模型提升1.45%—18.39%。此外，研究贡献了新的发现，例如评论的混沌行为通常处于有界范围：Lyapunov指数（0—0.0125）、关联维数（0.25—0.5）、Kolmogorov熵（0.75—0.85）、分形谱（0—1.5）、递归率（0.005—0.015）；真实评论与虚假评论呈现不同的混沌分布。

面对日益严峻的环境问题，物流业在推动可持续发展中扮演关键角色。生成式人工智能（GAI）有潜力变革绿色物流，但其广泛应用仍面临多重障碍。现有文献对GAI与绿色物流结合的应用、驱动因素、使能条件、关键障碍与挑战知之甚少。为填补这一空白，本研究依据PRISMA-ScR（系统综述与范围综述扩展版）协议开展系统文献综述，系统识别并评估GAI与绿色物流关联的既有知识。研究识别出34项关键的GAI驱动绿色物流应用、23项驱动与使能因素以及38项主要障碍与挑战。结果表明，风险评估与缓解、决策支持与实时环境响应、韧性测试与情景规划等GAI驱动应用，对构建可持续物流生态系统至关重要；组织准备度、利益相关方协作与支持性监管框架是关键使能因素，而数字基础设施缺失、投资成本与监管空白构成重要障碍。研究提出一个决策框架，用于确定可促进GAI在绿色物流中应用的政策举措优先级。本研究填补了现有知识空白，对希望支持可持续且前沿物流体系的供应链利益相关方、学者与政策制定者具有重要启示。

传统生命周期评价（LCA）方法存在高度依赖人工与专业知识、背景数据库检索困难、人工撰写碳足迹报告效率低等局限，大语言模型（LLM）有望予以缓解，但现有研究仅集中于少数特定领域。本文提出一种普适的LLM增强LCA研究方法，涵盖知识总结、数据检索与报告生成：首先利用知识库与检索增强生成方法，构建具备LCA知识总结能力的专业问答（QA）工具以缓解幻觉问题；其次通过少样本思维链与代码链增强LLM的Text2SQL能力，开发面向生命周期清单（LCI）数据库的自然语言检索方法；进而借助代码解释器，使LLM智能体能够按模板自动生成碳足迹报告。研究通过多组实验评估不同方法的性能：在问答数据集上取得0.85的BERTScore，体现其知识获取与总结能力；数据库检索能力以执行准确率验证，经增强提示工程后最高达0.9692；报告质量从五个维度评估，所提模型在其中四个维度表现最佳。本文为LCA方法的智能化转型提供了理论基础与实验验证；未来研究将聚焦提升LLM可解释性、扩展LCA专用数据集以及改进智能化LCI管理，以推进可持续发展。

信贷配给对年轻企业和小型企业最为严重，公共贷款担保计划正是为增加此类企业的贷款供给而设计。本文从已发放贷款现金规模的集中度视角，考察英国企业融资担保（EFG）计划的演变。采用赫芬达尔—赫希曼指数（HHI），我们发现贷款规模集中度随时间显著上升，发放的贷款笔数减少而单笔规模增大。简言之，我们认为该计划与受信贷配给最严重的小企业的相关性下降，已演变为一个针对性较弱的计划。不过，不同规模贷款机构的行为存在差异：小型贷款机构随时间推移在放贷上变得更加聚焦和有针对性。显然，提高此类计划中贷款机构的多样性将增强计划的有效性与相关性。

本文考察中小企业如何通过加入商业协会（BA）、融资可得性（AF）感知与制度质量（IQ）参与循环经济（CE）。基于社会资本理论，我们认为商业协会不仅提供资源，还输送非金融形式的公共创业与中小企业扶持政策。在变革理论视角下，这类“软干预”增强社会资本与人力资本，从而促成循环经济采纳。基于覆盖39个国家7680家中小企业的Eurobarometer 486数据，logit与OLS回归显示：商业协会成员身份促进循环经济行动，同时提升对融资障碍的认知，融资可得性在其中起部分中介作用。制度质量调节上述动态：在高制度质量情境下，非金融支持降低了融资障碍的显著性；在低制度质量情境下，融资可得性感知仍具决定性。本文通过整合社会资本理论与公共创业理论，阐释了塑造中小企业可持续转型的政策条件。

研究问题 本研究考察政府作为主要客户在影响供应商企业社会责任（CSR）举措中的作用，具体检验依赖政府客户的企业是否更可能开展实质性CSR实践，以满足政府期望并维系稳固的业务关系。研究发现 结果表明，对政府客户依赖度更高的供应商企业更倾向于采用与CSR相关的高管薪酬计划、在董事会中设立CSR委员会，并在提交给SEC的文件中自愿披露气候变化风险。上述效应在民主党执政州的企业以及规模较小的企业中更为显著。为缓解内生性问题，研究采用工具变量分析、双重差分估计与熵平衡方法，结果均支持结论的稳健性。理论与实践启示 本研究通过揭示政府作为重要利益相关方经由供应链关系塑造企业CSR参与，为CSR与利益相关者理论文献作出贡献；同时通过展示州层面政治领导如何调节企业对政府客户的CSR响应，拓展了政治经济学研究。政策启示 研究提示政策制定者可借助政府采购政策激励供应商企业更广泛地采纳CSR，从而产生正向社会外部性；而寻求建立或维系政府合同的企业，应考虑使CSR战略与政府期望保持一致，以增强业务关系与长期可持续性。

数字贷款为数以百万计的人提供了快速、短期的信贷来源。数字信贷拓宽了市场准入并减少了摩擦，但违约率居高不下。本研究考察数字贷款放款速度对还款行为的作用。研究使用墨西哥一家数字贷款机构的独特行政数据，并采用断点回归设计。我们发现，将放款时间由10小时延长一倍至20小时，可使违约概率下降21%。研究结果表明，有选择地放慢信贷速度可提升贷款机构的盈利性，并帮助消费者避免违约。

农业数字金融是一项新兴技术，有望改善农村金融包容性。本文对加纳南部农户的一款数字贷款产品开展实验评估，发现信贷增加了农业投资，但对下游结果的平均效应大多不具备统计显著性。然而，物流方面的挑战导致实际执行与随机分配之间存在不完全合规：部分贷款及时到账可用于农业投入，另一些则到账较晚。我们谨慎地利用这一非计划性的实施异质性，认为面向农业的数字信贷平台有潜力缓解农村金融市场长期存在的摩擦，但资金到账时机似乎至关重要，值得进一步研究。

随着人工智能改变客户互动方式，企业会话智能体（ECA）已成为重要的品牌触点，但组织往往难以确保这些智能体一致地表达其品牌识别。既有研究虽强调会话设计对品牌识别的重要性，但对品牌识别如何在ECA中体现的理解仍较为零散。本研究通过一项系统综述（n=69）整合当前关于ECA设计与品牌识别关系的洞见。综述识别出支持会话风格与品牌表达相契合的关键设计线索，并阐明这些线索如何受用户与情境因素影响，进而影响对ECA与品牌的感知。由此形成的框架将设计要素与品牌相关结果相连接，为实践与研究提供结构化基础，有助于在AI中介的客户互动中开发更有效传达品牌识别的ECA。

目的 本研究旨在考察广告语言类型（网络流行语与标准语言）对品牌态度的影响及其心理机制，并检验消费者价值意识与代言人类型（明星、非明星、知名卡通代言人、非知名卡通代言人）的调节作用。方法 基于标记模型与精细加工可能性模型，本研究通过六项实验检验假设。发现 结果表明，与使用标准语言的广告相比，使用网络流行语的广告能引发更有利的品牌态度；该效应由感知广告创新性与感知品牌创新性依次中介；消费者价值意识调节广告语言类型与品牌态度之间的关系；代言人类型与广告语言类型对品牌态度不存在显著交互效应。实践意义 在广告中使用网络流行语可提升感知品牌创新性，从而培育积极的品牌态度。原创性/价值 本研究评估网络流行语对品牌态度的影响，将其研究范围拓展到传统语言学分析之外；同时考察网络流行语广告影响消费者品牌态度的心理中介过程；更重要的是，本研究首次检验了消费者价值意识在上述关系中的调节作用。

目的 在直播电商实践中，消费者需求通常不确定，库存与价格可由品牌方或主播决定。本研究考察需求不确定下直播电商供应链中品牌方与主播的库存与定价决策。方法 研究考虑四种情景：品牌方决定库存与价格（BB）、品牌方决定库存而主播决定价格（BS）、主播决定库存而品牌方决定价格（SB）、主播决定库存与价格（SS）。发现 结果显示，在四种情景下，库存、价格以及品牌方与主播的利润均随消费者对主播销售努力水平的敏感度提高而增加；库存（价格）在SS（SB）情景下最高，在BB（BS）情景下最低；此外，当敏感度较低时品牌方利润在BB情景下最高，否则在SS情景下最高；无论敏感度如何，主播利润始终在SS情景下最高。原创性/价值 既有研究较少关注需求不确定下直播电商供应链中品牌方与主播的库存与定价决策，本研究弥补了这一空白，可为品牌方与主播提供理论依据与决策支持。

元宇宙被设想为一个庞大、完全互操作的三维虚拟世界网络，目前仍较遥远且存在概念与技术上的模糊性。尽管如此，越来越多企业正在探索将元宇宙作为品牌互动与销售机会的平台。本研究考察16家来自不同行业的大型跨国公司如何将元宇宙整合进其品牌战略。多案例研究识别出四种元宇宙整合路径，其成功程度与战略一致性各不相同。研究发现为新兴的元宇宙营销文献作出贡献，提供了关于品牌互动、战略一致性与组织学习过程的洞见。从管理角度看，本研究为企业利用元宇宙开展品牌建设提供了指引，强调在平衡探索与利用以推动举措成功方面的重要性。文章最后讨论了研究启示、局限与未来研究方向。

本研究考察人工智能（AI）能力对品牌管理与价值创造的影响，并提出企业综合竞争力框架。研究利用覆盖30个国家、跨度26年的面板数据，采用Arellano-Bond与Blundell-Bond系统GMM估计，检验AI存量、AI影响力与品牌价值之间的关系。结果显示，AI存量与AI影响力均显著促进品牌价值，二者交互产生协同效应。研究强调总增加值（GVA）在AI存量与品牌价值关系中的中介作用，表明AI驱动的生产率提升可增强品牌资产。对计算与通信设备的投资以及强化品牌关系强度（BRS）的努力同样影响品牌价值。将AI能力与市场研究相融合，可通过数据驱动的洞见与消费者互动策略放大品牌价值；此外，新的AI增强测量方法比传统指标更准确地刻画品牌价值创造。上述发现为企业借助AI能力提升品牌资产、在快速演变的市场中获取竞争优势提供了有益启示。