文献追踪日报

本文回顾了大型语言模型（LLM）时代对话智能体的发展现状。文章指出，LLM显著提升了对话系统的自然语言理解与生成能力，使对话智能体从基于规则的流水线架构转向基于LLM的端到端生成范式；同时总结了当前对话智能体在可控性、事实一致性、多模态交互、隐私与安全评估等方面面临的挑战，并对未来研究方向进行了展望。

本文对大型语言模型（LLM）在教育领域的应用进行了全面综述。研究梳理了LLM支持的智能教学、个性化学习、自动评估与教育内容生成等核心应用，分析了模型幻觉、知识时效性、学生隐私与教育公平等风险，并提出了构建人机协同的教育智能体以及将教育理论融入模型设计的展望。

本文系统梳理了大AI模型在智能决策领域的研究进展。文章首先总结了大型AI模型在感知-认知-决策闭环中的角色，随后从决策模型构建、复杂推理与规划、多智能体协同决策以及决策评估与对齐等方面综述了代表性方法，最后讨论了数据稀缺、可解释性、安全对齐等挑战，并展望了面向真实世界复杂任务的自适应决策智能体发展方向。

本文提出了一种受大模型启发、面向细菌检测的多尺度信息融合方法。针对显微图像中细菌尺寸多变、背景复杂导致的检测难题，作者借鉴大模型的表征学习思想构建多尺度特征提取与融合网络，在不同尺度间进行特征对齐与互补融合。在多个公开数据集上的实验表明，所提方法在检测精度与鲁棒性上优于现有方法。

本文提出了一个知识图谱增强的预训练大语言模型，用于预测微小RNA与环状RNA之间的相互作用。作者将生物知识图谱中的实体关系信息融入预训练语言模型的表征学习过程，缓解了序列数据稀疏问题。在MCI预测基准上的实验表明，该模型显著优于已有预测方法，为生物信息学中的大语言模型应用提供了新范式。

本文利用跨国企业数据研究国家金融发展水平对拥有市场势力企业商业信用供给的影响。研究发现，在金融市场欠发达的国家，具有市场势力的企业更倾向于向其客户提供商业信用，发挥类似银行的中介功能；而在金融发展程度较高的国家，这种“准银行”角色的需求下降，企业商业信用供给随之减少。该结果表明金融发展会显著改变企业间信用配置的格局。

本文利用全球企业样本考察企业绿色声誉对其商业信用获得的影响。研究发现，绿色绩效较好的企业能够获得更多供应商提供的商业信用，且这一效应在信息不对称程度较高、融资约束较强的企业中更为显著。机制检验表明，绿色认证通过传递可信的“软信息”降低了供应商的风险感知，从而促进了供应链内部的信用融资。

本文研究供应链网络脆弱性对企业银行借款契约的影响。利用企业供应链网络数据，作者发现处于脆弱供应链网络中的企业面临更高的贷款利差、更多限制性条款和更短的贷款期限。银行通过贷款定价对企业供应链风险进行定价，且该效应在贷款人信息优势较弱时更为明显。研究为理解供应链风险如何传导至金融体系提供了新证据。

本文针对地震、疫情等超强中断事件下供应链的生存与恢复问题，提出了动态结构自适应方法。作者将供应链网络重构、产能配置与库存决策联合建模，设计了滚动优化框架以动态调整供应链结构应对持续演化的中断冲击，并通过数值实验验证了所提方法在提升供应链可行性和降低中断损失方面的有效性。

本文研究企业市场重新定位的外部成本。通过对进行市场重定位的企业进行实证分析，作者发现重定位虽然有助于企业进入新市场，但会引发原有观众的流失并导致组织身份模糊性上升，削弱利益相关者对企业的认同。研究贡献在于将“观众流失”与“身份模糊”引入市场定位决策框架，为品牌与战略管理提供新的洞见。

本文研究企业对敏感社会议题保持沉默的后果。通过事件研究与实验相结合的方法，作者发现当社会议题引发广泛关注时，保持沉默的企业会遭受消费者信任下降、购买意愿降低等负面反应，且这种反应在道德敏感型消费者中更为强烈。研究挑战了“沉默即安全”的传统认知，为企业社会议题沟通与品牌风险管理提供了重要启示。

本文探讨组织在成长过程中如何持续捕获市场注意力。作者通过纵向研究企业与市场（投资者、媒体、消费者等）的互动模式，发现随着组织年龄增长，其吸引市场注意力的策略需从“新奇驱动”转向“一致性驱动”，过度依赖初始新奇性会导致注意力衰减。研究为理解品牌注意力获取的动态机制提供了新的视角。

本文利用华盛顿州大麻市场（一个从非法走向合法的污名化行业）数据，研究市场污名化群体采用不同污名管理策略的效果。研究发现，与“低调合规”相比，主动进行品牌重塑与合法性构建的企业更能获得市场认可，但策略效果取决于制度环境与受众特征。研究为污名化行业中的品牌战略与合法性管理提供了实证依据。

本文研究高地位联盟对企业产品获得消费者接受的影响，聚焦有争议市场（如大麻、加密资产等）中的新进入者。作者提出“宽容借贷”机制：与高地位组织结盟能够向消费者传递合法性信号，降低其对争议性产品的道德疑虑，从而提高接受度。基于对争议市场的实证分析，研究揭示了地位信号在品牌合法性构建中的重要作用。