已发表 《审计研究》2025 年第 5 期
基于多Agent的审计框架设计
CSSCI 核心 · 审计学顶级期刊 · 第二作者
厦门大学管理学院 · 神经管理学与人工智能实验室 · 师从陈亚盛教授
CSSCI 核心 · 审计学顶级期刊 · 第二作者
每篇都配了一页面向路人的长图详解 —— 不预设专业背景,把问题、做法和结论讲清楚。
用大模型给中国交易所互动平台 2010–2024 年的 19 万条问答打「回答完整度」标签:公司答得越回避,分析师盈利预测误差越大(回避度 +1 个标准差 ≈ 误差 +3.4%),且越缺私人信息渠道(非明星、小券商、异地)的分析师被坑得越狠。
一个 6 参数两期模型,把「奢侈品烧库存、电子品卖官翻」写成定理(翻新划算当且仅当 cδ>k+s),并测算欧盟销毁禁令在哪些品类创造价值、在哪些适得其反;1.36 万组参数下「披露+销毁税」处处弱占优于禁令。
委托–代理模型 + 万次蒙特卡洛:AI 评分能减少关系户录用(高腐败场景相对降 71.9%),但长期效果取决于反馈质量——审计反馈让 AI 学到真本事,历史 HR 标签会把旧偏见学得更稳定。
8 组 AB 实验,验证 LLM 智能体社会能否涌现真实的宏观经济指标。关联项目「AgentSociety 经济仿真研究」。
「认证知识 + 应用场景」双轨制评测体系,从作答模式推断模型对五大核心会计能力的掌握概率。
对 8 个主流大模型做覆盖全年的真实做账压测,对照「裸跑」与接入账面 Quaesto 的记账精度与经营分析质量差异。