2026年9月12日
| 主题 | 检索期刊 | 收录论文数 |
|---|---|---|
| AI大模型 | Neural Computation(SCI 2区)、AI Magazine(AAAI会刊)、IEEE/CAA JAS(SCI Q1, IF 19.2) | 3 |
| 供应链金融 | World Development(SSCI Q1, ABS 3)、The World Economy(SSCI, ABS 3)、Accounting, Organizations and Society(UTD/FT50, ABS 4*) | 3 |
| 品牌 | International Business Review(SSCI Q1, ABS 3)、J of Digital & Social Media Marketing(Scopus)、Customer Needs and Solutions(Springer) | 4 |
| 合计 | 9本 | 10篇 |
注：Accounting, Organizations and Society（供应链金融主题，UTD/FT50 期刊）本轮未检索到与供应链金融/贸易信贷直接相关的 2025–2026 文献，Atlantic 重点文献来自 World Development 与 The World Economy；品牌主题中 J of Digital & Social Media Marketing 收录 2 篇。
从分布回归的视角为Transformer注意力机制构建了严格的数学框架，证明其可将分布无损压缩为函数表示并给出泛化界，为提示调优、参数高效微调等大模型技术的有效性提供了理论解释。
近年来，基于Transformer架构的模型应用广泛，已成为深度学习领域的核心工具之一。围绕其应用涌现出许多高效技术，如参数高效微调和高效缩放，用以进一步提升性能。然而，这些策略的成功始终缺乏严格的数学理论支撑。为研究Transformer及相关技术的内在机理，本文提出一个以分布为输入、受分布回归启发的Transformer学习框架，将两阶段采样过程与自然语言处理联系，并给出名为"注意力算子"（attention operator）的注意力机制数学表述。研究表明，借助注意力算子，Transformer能够在信息无损的情况下将分布压缩为函数表示；同时，由于这一新颖算子带来的优势，Transformer在学习结构更复杂的泛函方面展现出强于卷积神经网络和全连接网络的能力。最后，本文在分布回归框架内获得了泛化界，并在此基础上讨论了大语言模型（LLM）中涌现的一些成功技术，如提示调优、参数高效微调和高效缩放，为其提供了理论洞见。
结合定量（真/假判断）与定性（领域专家）方法，评估LLM聊天机器人在气候变化与心理健康领域处理误导性及人口统计信息提示的表现，发现其封闭式问答基本可靠，但隐私、伦理与专业转介问题仍需人工监督。
本文调查并观察了以LLM为驱动的聊天机器人在气候变化和心理健康这两个领域内，应对误导性信息提示及含人口统计信息问题的行为与表现。通过定量与定性相结合的方法，本文评估了这些聊天机器人辨别陈述真伪的能力、对事实的遵循程度，以及回答中是否存在偏见或误导信息。基于判断式问题的定量分析显示，这些聊天机器人在回答封闭式问题上是可靠的；然而，来自领域专家的定性洞察表明，在隐私、伦理影响以及引导用户寻求专业服务方面仍存在担忧。本文结论认为，尽管这些聊天机器人潜力巨大，但在敏感领域的部署需要审慎考量、伦理监督和细致的完善，以确保它们是人类专业知识的有效补充而非独立解决方案。
系统梳理DeepSeek系列大模型在算法层（多头潜在注意力MLA、混合专家MoE、多token预测MTP、组相对策略优化GRPO）与工程层（扩展、训练、推理与系统优化）的原创创新，并对比主流LLM分析其对AI竞争格局与未来技术趋势的影响。
中国人工智能初创公司DeepSeek发布了其V3和R1系列模型，凭借低成本、高性能和开源优势吸引了全球关注。本文首先回顾大AI模型的演进，聚焦范式转变、主流大语言模型（LLM）范式以及DeepSeek范式。随后，文章重点介绍了DeepSeek引入的新算法，包括多头潜在注意力（MLA）、混合专家（MoE）、多token预测（MTP）和组相对策略优化（GRPO）。接着，文章探讨了DeepSeek在大模型扩展、训练、推理和系统级优化架构方面的工程突破。此外，本文还分析了DeepSeek模型对竞争性AI格局的影响，将其与主流LLM在各领域进行了横向对比。最后，文章反思了从DeepSeek创新中获得的启示，并讨论了未来大AI模型在数据、训练和推理等方面的技术与工程发展趋势。
用复杂网络方法刻画疫情等外部冲击后全球价值链的重构，发现其表现为"选择性区域化"而非全球化的普遍退潮：亚洲主要中介的外国投入中心性下降、区域联系增强，而全球南方供应商的韧性因对中介依赖与区域一体化程度不同而明显分化。
供应链环节之间日益加深的相互关联放大了外部冲击在全球价值链（GVC）中的传导，尤其在COVID-19疫情期间尤为突出，引发了对全球生产组织脆弱性的担忧。本文从全球南方（Global South）视角出发，运用复杂网络方法研究冲击如何重塑GVC结构。基于近期全球事件与连续（年度）双边贸易数据，本文考察了后冲击时期GVC的重新配置模式。研究揭示：近期全球冲击导致了GVC的选择性区域化（selective regionalization），而非全球化的普遍退潮；网络分析显示，劳动密集型制造业GVC的后向关联发生了明显变化——主要亚洲中介在外国投入中心性方面下降，而区域联系得到加强；GVC重构对全球南方供应商产生了异质性结果，其韧性取决于对中介的依赖与区域一体化模式，呈现出不均衡的恢复态势。
基于1999–2022年中国上市公司数据与双重差分方法发现，政府会计监督显著促进企业供应链金融的采用；机制在于提升供应链透明度、抑制异常关联方交易，且在供应商集中度高或缺乏政治关联的企业中效应更强。
本文研究政府会计监督对中国上市公司采用供应链金融（SCF）的影响。利用双重差分（DID）方法以及覆盖1999至2022年的综合数据集，本文发现了稳健的证据，表明政府会计监督显著促进了供应链金融的采用。这一关系在一系列稳健性检验中依然成立，包括平行趋势分析、倾向得分匹配（PSM-DID）、安慰剂检验和替代样本设定。机制分析显示，政府会计监督的积极作用主要由供应链透明度提升和对异常关联方交易的抑制所驱动。此外，横截面分析表明，这一效应在供应商集中度较高或缺乏政治关联的企业中更为显著。总体而言，本文为制度监督在促进金融创新与提升供应链可持续性方面的作用提供了重要洞见。
基于贝叶斯向量自回归（BVAR）模型检验供应链冲击的全球宏观效应，发现供应链中断显著影响全球经济稳定，主要通过总体通胀水平及其伴随的政策应对渠道发挥传导作用。
COVID-19疫情及其余波暴露了全球供应链的脆弱性，导致了广泛的延误和短缺，凸显了各国经济的相互关联。本文借鉴经济不确定性、全球经济一体化与全球供应链中断领域相关文献，考察供应链中断对全球经济状况的总体影响。利用贝叶斯向量自回归（BVAR）模型，文章分析了供应链冲击的影响。实证结果表明，这些中断显著影响全球经济稳定，尤其是通过对总体通胀水平及其伴随的政策应对的作用而实现传导。
基于美国、欧盟与印度551名消费者的数据，发现可持续性认知（尤其是治理相关信号）显著影响消费者对时尚跨国企业品牌的购买意愿，对可持续性的怀疑会削弱ESG认知，且不同制度环境下影响机制存在结构性差异。
本研究探讨了在不同制度背景下，消费者如何解读跨国时尚品牌的ESG实践，并进而影响其购买意愿。基于制度理论和信号理论，ESG实践被视为跨国企业寻求合法性的信号。在计划行为理论的基础上，可持续性认知在态度、主观规范、感知行为控制与购买意愿之间起到中介作用。通过分析来自美国、欧盟和印度551名消费者的调查数据，研究结果表明，可持续性认知会影响购买意愿，其中治理相关信号的作用最为显著。对可持续性的怀疑会负面地影响ESG认知，而积极的态度则无法增强对环境和社会问题的认知。在欧盟，区域差异较为明显，个体因素的作用相对较弱；而在美国和印度，态度与感知行为控制的影响更为显著。本研究结合制度理论与信号理论，将ESG视为跨国企业的合法性机制，并扩展了计划行为理论，以解释不同制度环境下的可持续性认知。
基于2024年初以来跨多个LLM厂商与行业的结构化实践观察，论证生成式AI并非以稳定排名而是通过语义关系概率性"重构"品牌市场，提出"生成式可见性栈"这一跨职能市场进入框架以强化品牌的结构性显著性。
生成式人工智能系统作为发现界面被快速采用，正在重塑品牌的呈现、评估与比较方式。许多组织将这一转变视为"SEO 2.0"（搜索引擎优化），试图在AI生成的回复中优化排名位次。本文认为，这种框架误解了大语言模型（LLM）的结构机理。基于2024年初以来跨多个LLM厂商与行业垂直领域开展的结构化实践观察，并结合生成式搜索引擎的新兴文献，本文提出：生成式系统并非以稳定位置对品牌进行排名，而是通过语义关系概率性地重构市场。因此，品牌可见性由本体嵌入、属性关联与叙事中心性所塑造，而非仅靠关键词优化。为应对这一转变，文章引入了"生成式可见性栈"（the generative visibility stack）——一个跨职能的市场进入框架，旨在强化品牌在生成式系统中的结构性显著性。研究结果表明，生成时代的可发现性是一项需要营销、销售与生态参与者协同对齐的整体感知挑战。
通过真实案例系统分析虚拟影响者对受众感知、品牌参与和购买行为的作用，倡导将AI生成实体与传统营销工具整合运用，并强调在影响者合作中遵循伦理规范与透明原则的重要性。
在不断演变的数字营销环境中，品牌必须持续寻求创新方式来吸引受众并推动消费者参与。在最新进展中，虚拟影响者已成为一股变革力量，重塑了品牌—消费者互动的动态。本文深入探讨了虚拟影响者在当代营销策略中的作用，考察其对受众感知、品牌参与和购买行为的影响。通过审视真实世界的案例，本文对虚拟影响者的应用进行了全面分析，并倡导采取一种整合路径，将这些由人工智能（AI）生成的实体与传统营销工具相融合。此外，文章还讨论了运用虚拟影响者所固有的挑战与伦理考量，强调了在影响者合作中遵循伦理营销实践与透明原则的重要性。通过这一探索，营销人员可以洞悉如何借助虚拟影响者的力量，在日益数字化的环境中提升品牌可见性、培育消费者连接并提升营销活动实效。
基于400名墨西哥消费者对七个产品类别25个品牌的调查，发现品牌来源（家族/非家族）与消费者感知的全球—本土定位之间存在显著错位，感知更多受象征性线索、故事讲述与市场存在感驱动而非所有权结构。
本文研究新兴市场消费者如何感知家族企业品牌与非家族企业品牌的全球性和本土性，以及这些感知在多大程度上与传统品牌分类一致。研究采用以消费者为中心的框架，调查了400名墨西哥消费者，他们评估了七个产品类别的25个品牌。研究结果显示，品牌来源（家族与非家族）与感知的全球/本土定位之间存在显著错位，表明消费者感知更多由象征性线索、故事讲述和市场存在感所塑造，而非由所有权结构决定。本土品牌仍保持较强相关性，且家族企业品牌除非明确传达家族相关属性，否则不会被消费者一致地识别为家族品牌。本研究为国际品牌与家族企业文献作出了贡献。