“歷史書(shū)寫(xiě)的傳統(tǒng)與新可能性”學(xué)術(shù)會(huì)議于10月24-26日在復(fù)旦大學(xué)召開(kāi)，其中以“AI與歷史研究的新可能性”為主題的論壇，引起了學(xué)者們的廣泛興趣。報(bào)告內(nèi)容豐富，討論熱烈。分享者既有來(lái)自人工智能領(lǐng)域的資深研究者、工程師，也有熱衷于嫁接AI與人文研究的文科本科生，背景多元，跨越了人文與科技的畛域，交融了不同代際學(xué)者的智慧。

會(huì)議現(xiàn)場(chǎng)

10月25日上午，復(fù)旦大學(xué)人工智能創(chuàng)新與產(chǎn)業(yè)研究院研究員朱思語(yǔ)《早期中華文明多模態(tài)大模型》圍繞AI與歷史學(xué)交叉研究作主旨演講。講座系統(tǒng)梳理了人工智能的發(fā)展脈絡(luò)，從1956年達(dá)特茅斯會(huì)議首次提出“人工智能”概念，到2017年后生成式AI的迅速崛起。朱教授指出當(dāng)前大模型的核心支撐在于海量數(shù)據(jù)與強(qiáng)大算力，并強(qiáng)調(diào)其雖具備廣泛的知識(shí)記憶能力，但“考試能力”與“學(xué)科研究能力”存在本質(zhì)區(qū)別。在探討AI與學(xué)科研究的關(guān)系時(shí)，他進(jìn)一步提出，AI在歷史學(xué)中的應(yīng)用不僅是技術(shù)工具的創(chuàng)新，更有潛力推動(dòng)研究范式的整體轉(zhuǎn)型。為此，復(fù)旦大學(xué)聯(lián)合歷史、考古、古文字等多學(xué)科專家，共同啟動(dòng)“早期中華文明多模態(tài)大模型”項(xiàng)目。該項(xiàng)目致力于整合考古發(fā)掘、歷史文獻(xiàn)、古文字材料、歷史地理信息等多模態(tài)數(shù)據(jù)，構(gòu)建跨學(xué)科專業(yè)數(shù)據(jù)庫(kù)，并在此基礎(chǔ)上訓(xùn)練適用于歷史研究領(lǐng)域的專用模型，以輔助學(xué)者進(jìn)行綜合性分析與復(fù)雜推理。朱教授還展示了項(xiàng)目的初步成果，包括：結(jié)合歷史地理信息與考古數(shù)據(jù)，分析長(zhǎng)江與黃河流域文明發(fā)展的規(guī)律性趨勢(shì)；利用大模型實(shí)現(xiàn)古文字的智能識(shí)別與出處溯源；構(gòu)建多模態(tài)評(píng)測(cè)體系，系統(tǒng)評(píng)估模型在史料理解、時(shí)空推理等多方面的能力。

復(fù)旦大學(xué)人工智能創(chuàng)新與產(chǎn)業(yè)研究院研究員朱思語(yǔ)

美國(guó)加州大學(xué)圣地亞哥分校計(jì)算機(jī)科學(xué)與工程系博士候選人陳丹露《AI能做什么比人更好的推理？》指出，生成式AI在人文學(xué)科應(yīng)用中缺乏專屬預(yù)訓(xùn)練模型與測(cè)評(píng)題，核心在于恰當(dāng)建模與置信度設(shè)置。她分享了兩個(gè)成功案例：一是通過(guò)機(jī)器學(xué)習(xí)提取17世紀(jì)書(shū)籍印刷字符的缺損特征，考證出莎士比亞某著作的出版商；二是借助CT掃描與小模型迭代，從龐貝碳化卷軸中識(shí)別文字。她強(qiáng)調(diào)，AI應(yīng)用需專家標(biāo)注數(shù)據(jù)、拆解研究步驟，可解釋性強(qiáng)的小模型往往更實(shí)用，且需人機(jī)交互驗(yàn)證結(jié)果可靠性，同時(shí)提及古代文字表征、異體字處理等現(xiàn)存難題。

復(fù)旦大學(xué)歷史學(xué)系副教授孫遇洲《亞非團(tuán)結(jié)跨國(guó)網(wǎng)絡(luò)的視覺(jué)文化：基于多模態(tài)AI技術(shù)的研究》源于萬(wàn)隆會(huì)議召開(kāi)70周年，聚焦“亞非團(tuán)結(jié)跨國(guó)網(wǎng)絡(luò)的視覺(jué)文化”，旨在通過(guò)CLIP等多模態(tài)AI技術(shù)，分析1950-80年代出版的有關(guān)非洲的中文書(shū)籍配圖及亞非團(tuán)結(jié)組織的外文刊物配圖，探究中國(guó)對(duì)非洲的視覺(jué)表征及其歷史演變，揭示這一時(shí)期去殖民化的發(fā)展與國(guó)際政治環(huán)境的變化?，F(xiàn)有研究存在明顯空白，國(guó)際學(xué)界多關(guān)注蘇聯(lián)主導(dǎo)的亞非作家協(xié)會(huì)及《蓮花》雜志，忽視中國(guó)在亞非團(tuán)結(jié)中的重要作用，且易將相關(guān)組織簡(jiǎn)化為中蘇意識(shí)形態(tài)爭(zhēng)奪工具。傳統(tǒng)研究還面臨視覺(jué)資源分散、解讀效率低、跨文化語(yǔ)義理解難等難題。本研究借助計(jì)算機(jī)視覺(jué)技術(shù)實(shí)現(xiàn)視覺(jué)資料自動(dòng)識(shí)別分類，結(jié)合時(shí)空建模構(gòu)建傳播動(dòng)態(tài)網(wǎng)絡(luò)，通過(guò)多模態(tài)模型解析圖像情感符號(hào)與象征意義，填補(bǔ)非文本資料研究缺口。研究不僅豐富中非交往中的視覺(jué)文化研究，更助力深化對(duì)亞非團(tuán)結(jié)歷史遺產(chǎn)的理解，弘揚(yáng)萬(wàn)隆精神。

復(fù)旦大學(xué)歷史學(xué)系副教授孫遇洲

10月25日下午，復(fù)旦大學(xué)科技考古研究院副教授文少卿《未來(lái)已來(lái)：從分子考古到AI考古》系統(tǒng)分享了考古學(xué)研究的創(chuàng)新路徑與實(shí)證成果。報(bào)告指出，分子考古作為考古學(xué)的第二次革命，突破傳統(tǒng)形態(tài)學(xué)局限，通過(guò)同位素、古基因組、蛋白質(zhì)等分子材料，直接揭示人群血緣、遷徙路徑、飲食結(jié)構(gòu)與疾病狀況，實(shí)現(xiàn)了從“透物見(jiàn)人”到“直接識(shí)人”的跨越。分子考古已深度融合歷史學(xué)、語(yǔ)言學(xué)、醫(yī)學(xué)等多學(xué)科，文老師結(jié)合多個(gè)實(shí)證案例展開(kāi)說(shuō)明：新疆石墩子遺址通過(guò)同位素與DNA分析，發(fā)現(xiàn)漢代軍事要塞的多元人群構(gòu)成；河西走廊的基因研究厘清了不同時(shí)期人群遷徙與文化交流的關(guān)系；長(zhǎng)安城人口遺傳史研究則印證了歷史事件對(duì)人群基因結(jié)構(gòu)的影響。報(bào)告還強(qiáng)調(diào)AI已全面滲透考古學(xué)的發(fā)掘保護(hù)、研究、展示傳播全流程。通過(guò)遙感衛(wèi)星數(shù)據(jù)與AI結(jié)合，高效發(fā)現(xiàn)無(wú)人區(qū)考古遺址并實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)；AI技術(shù)可助力文物修復(fù)、陶瓷器與動(dòng)植物遺存自動(dòng)化鑒定，還在考古報(bào)告結(jié)構(gòu)化、多模態(tài)數(shù)據(jù)對(duì)齊與因果邏輯挖掘中發(fā)揮重要作用。

復(fù)旦大學(xué)科技考古研究院副教授文少卿

浙江工商大學(xué)東亞研究院副研究員王侃良《融合提示工程與RAG的東亞非漢文文獻(xiàn)翻譯研究：基于候文漢譯的跨語(yǔ)言實(shí)踐》聚焦冷門(mén)古代語(yǔ)言候文的“候文—中文”翻譯問(wèn)題，旨在提升LLM翻譯質(zhì)量并提供高質(zhì)量合成訓(xùn)練數(shù)據(jù)，助力國(guó)內(nèi)古代日本史文獻(xiàn)解讀。候文作為前近代日本關(guān)鍵文獻(xiàn)文體，現(xiàn)有LLM翻譯易丟失時(shí)代特有含義，且Agentic方法不適用。研究采用RAG方法，通過(guò)OCR提取5部專業(yè)詞典四要素并構(gòu)建圖數(shù)據(jù)庫(kù)，以“分析—檢索注釋—推理”的迭代流程優(yōu)化翻譯。同時(shí)，選取14-19世紀(jì)10份古文書(shū)構(gòu)建評(píng)估數(shù)據(jù)集，測(cè)試Gemini系列模型在有無(wú)RAG情況下的翻譯效果。結(jié)果顯示，RAG方法使兩款模型BLEU分?jǐn)?shù)均有提升，其中Gemini2.5Flash（withRAG）達(dá)21.94，用詞準(zhǔn)確性改善，但無(wú)法修正句法錯(cuò)誤。研究發(fā)現(xiàn)，RAG效果依賴基底模型知識(shí)儲(chǔ)備，語(yǔ)料稀缺是后續(xù)突破的核心困境。

浙江工商大學(xué)東亞研究院副研究員王侃良

復(fù)旦大學(xué)歷史學(xué)系博士生肖馥蓮以《走向多模態(tài)歷史推理：HistBench與HistAgent》為題作報(bào)告。她梳理了AI進(jìn)入史學(xué)的歷史脈絡(luò)，從20世紀(jì)的數(shù)字史學(xué)、計(jì)量史學(xué)到21世紀(jì)的數(shù)字化轉(zhuǎn)折，指出人工智能時(shí)代為史學(xué)研究帶來(lái)了方法論的變革與主體性爭(zhēng)論。報(bào)告提到兩項(xiàng)復(fù)旦歷史學(xué)系與普林斯頓大學(xué)聯(lián)合完成的項(xiàng)目成果：其一是歷史推理測(cè)評(píng)集HistBench，依難度分為三層級(jí)、六維度評(píng)估，并經(jīng)三重審查流程以確保學(xué)術(shù)可靠性；其二是智能體系統(tǒng)HistAgent，通過(guò)多智能體協(xié)作，模擬史家在資料檢索、圖像分析、文本翻譯和史料解釋中的思維路徑。肖馥蓮?fù)瑫r(shí)提醒，AI尚難取代史料批判與解釋分析，模型幻覺(jué)、數(shù)據(jù)封閉與多模態(tài)識(shí)讀的限制仍在，歷史研究的自動(dòng)化應(yīng)在學(xué)科規(guī)范與人工復(fù)核下謹(jǐn)慎推進(jìn)。

復(fù)旦大學(xué)歷史學(xué)系博士生肖馥蓮

復(fù)旦大學(xué)PPE專業(yè)本科生陳翌嘉《從記憶至推理：AI的史學(xué)能力邊界探案》系統(tǒng)性探討了歷史學(xué)基準(zhǔn)測(cè)試集HistBench的突破與局限。首先，強(qiáng)調(diào)了HistBench致力于構(gòu)建多元化的學(xué)術(shù)語(yǔ)境，這一特色使其在系統(tǒng)性與專業(yè)性上超越相關(guān)基準(zhǔn)，能夠更好地評(píng)估AI完成歷史學(xué)術(shù)任務(wù)的能力。接下來(lái)，展現(xiàn)了該基準(zhǔn)在語(yǔ)言、地域、模態(tài)及領(lǐng)域等多個(gè)維度的廣泛覆蓋，并引入HistAgent與主流模型的測(cè)試結(jié)果，揭示其對(duì)現(xiàn)有AI的挑戰(zhàn)。之后，通過(guò)分析題目示例，體現(xiàn)出該基準(zhǔn)在系統(tǒng)性分級(jí)和研究語(yǔ)境建構(gòu)方面的能力。最后，圍繞歷史學(xué)基準(zhǔn)的設(shè)計(jì)理念與人工智能的能力邊界展開(kāi)了深入反思：動(dòng)態(tài)評(píng)分標(biāo)準(zhǔn)的難以確立限制了基準(zhǔn)測(cè)試在人文學(xué)科中的應(yīng)用深度，它雖可拆解研究中的確定性任務(wù)并以題目的形式呈現(xiàn)，卻無(wú)法有效評(píng)估任務(wù)銜接機(jī)制與不可量化的學(xué)術(shù)判斷。

復(fù)旦大學(xué)PPE專業(yè)本科生陳翌嘉

10月25日下午，與會(huì)學(xué)者就“AI與歷史研究的新可能性”為主題進(jìn)行了討論。此次圓桌會(huì)議匯聚了來(lái)自歷史學(xué)、數(shù)字人文與計(jì)算機(jī)科學(xué)領(lǐng)域的多位學(xué)者、教師與學(xué)生，圍繞若干關(guān)鍵議題展開(kāi)了深入交流。討論內(nèi)容涵蓋“AI+History”與“AI for History”的概念辨析、模型訓(xùn)練與史料的可靠性、量化方法與思想史研究之間的張力、全球南方與口述傳統(tǒng)在數(shù)據(jù)體系中的定位，以及教學(xué)實(shí)踐與學(xué)術(shù)倫理等重要方向。

作為圓桌主持人之一，朱思語(yǔ)在開(kāi)場(chǎng)中提出了“AI+ History”與“AI for History”之間的根本區(qū)分，引發(fā)聽(tīng)眾思考。他強(qiáng)調(diào)不能僅將AI視為一種時(shí)髦口號(hào)，而必須回歸具體學(xué)科語(yǔ)境，深入思考“誰(shuí)來(lái)主導(dǎo)”、“使用什么數(shù)據(jù)”以及“解決哪些歷史學(xué)問(wèn)題”這三個(gè)關(guān)鍵問(wèn)題。他進(jìn)一步提出“AI+X”與“AI for X”的概念分野，前者往往是技術(shù)向?qū)W科的簡(jiǎn)單疊加，后者則要求以學(xué)科問(wèn)題為核心，反向塑造技術(shù)路徑。朱思語(yǔ)提醒，若缺乏歷史學(xué)者的深度參與，“AI for History”很容易淪為技術(shù)方自說(shuō)自話。

另一位主持人高晞結(jié)合自身參與AI項(xiàng)目的經(jīng)歷指出，歷史學(xué)者“不要先問(wèn)AI會(huì)不會(huì)取代歷史學(xué)家，而是要先敢于走進(jìn)去”。她坦言自己最初對(duì)AI幾乎一無(wú)所知，是在困惑與不解中被推向前行。然而，正是在與工程師合作的過(guò)程中，她逐漸認(rèn)識(shí)到AI無(wú)法脫離史學(xué)的專業(yè)判斷，也意識(shí)到主動(dòng)參與技術(shù)構(gòu)建恰恰是降低被替代風(fēng)險(xiǎn)的關(guān)鍵。高晞?wù)J為，目前AI更多是作為一種高效工具存在尚未帶來(lái)史學(xué)范式的根本性質(zhì)變，但通過(guò)設(shè)計(jì)難題、構(gòu)建評(píng)測(cè)體系與語(yǔ)料庫(kù)AI反過(guò)來(lái)促使歷史學(xué)者提出新問(wèn)題。

主持人高晞教授

姜鵬在點(diǎn)評(píng)中從“歷史學(xué)是什么”這一根本問(wèn)題出發(fā)，對(duì)當(dāng)前“AI for History”的研究實(shí)踐提出追問(wèn)。他認(rèn)為目前許多相關(guān)嘗試尚未觸及歷史學(xué)的核心要義，因?yàn)闅v史研究不僅是對(duì)客觀事實(shí)與資料的技術(shù)性整理，更重要的是歷史學(xué)者必須帶著自身的立場(chǎng)與語(yǔ)言，參與到對(duì)歷史的理解與闡釋之中。而一旦進(jìn)入解釋與敘述的層面，歷史便不可避免地牽涉意識(shí)形態(tài)、價(jià)值判斷與主體介入，正如同一歷史事件在不同政治語(yǔ)境下會(huì)被賦予截然不同的意義。姜鵬進(jìn)一步提到，若將歷史真相預(yù)設(shè)為某種單一、可被技術(shù)找出的客觀實(shí)體，實(shí)則落入了一種“科學(xué)主義歷史觀”的窠臼。事實(shí)上，任何所謂的“真相”一旦被語(yǔ)言表達(dá)出來(lái)，便已不再是完整的實(shí)在。因此，無(wú)論AI作為工具還是潛在的認(rèn)知主體，都無(wú)法替代人類在敘述選擇、意義建構(gòu)與解釋責(zé)任承擔(dān)中的不可替代角色?；谶@一思考，他強(qiáng)調(diào)，AI的興起應(yīng)當(dāng)促使歷史學(xué)界重新審視后現(xiàn)代史學(xué)理論與語(yǔ)言哲學(xué)的啟示——意識(shí)到所謂“真相”只能在語(yǔ)言內(nèi)部被不斷討論與逼近，而不能簡(jiǎn)單地交由算法來(lái)定論。

法國(guó)學(xué)者杜杰庸從歷史哲學(xué)與修養(yǎng)論的視角指出，人的“身體經(jīng)驗(yàn)”、“時(shí)間感”以及在長(zhǎng)期閱讀與寫(xiě)作中積淀的工夫，構(gòu)成了人文知識(shí)不可化約的基礎(chǔ)。無(wú)論AI能力如何提升，都難以復(fù)現(xiàn)這種研究者與歷史對(duì)象之間鮮活的情感與道德聯(lián)結(jié)。他提醒道，若一味追求效率與便捷，可能會(huì)削弱史學(xué)訓(xùn)練應(yīng)有的思想深度與德性涵養(yǎng)。德國(guó)學(xué)者閔道安借助章學(xué)誠(chéng)所提出的“才、學(xué)、識(shí)、心術(shù)”框架，系統(tǒng)闡述了AI與歷史學(xué)者的合理分工：AI可在“學(xué)”（資料整合）與“識(shí)”（初步分析）層面提供輔助，但“才”（表達(dá)創(chuàng)造）與“心術(shù)”（價(jià)值立場(chǎng)與史學(xué)倫理）仍必須由人來(lái)承擔(dān)。

在AI工具的應(yīng)用層面，孫遇洲從全球史與非洲史的角度指出，大模型對(duì)高難度冷門(mén)題反而表現(xiàn)更好，可能是因?yàn)榇祟愵I(lǐng)域依賴較干凈的專家語(yǔ)料。但她也指出，這同時(shí)暴露出當(dāng)前訓(xùn)練數(shù)據(jù)明顯偏向西方中心與文字傳統(tǒng)，而非洲等地區(qū)豐富的口述傳統(tǒng)、表演藝術(shù)與活態(tài)記憶，至今仍未系統(tǒng)進(jìn)入AI的訓(xùn)練體系。趙冬梅則指出，大模型在文獻(xiàn)檢索、自動(dòng)分類與基礎(chǔ)解讀方面具備效率優(yōu)勢(shì)，然而一旦超出其訓(xùn)練語(yǔ)料的范圍，模型便可能虛構(gòu)學(xué)者與論文。這表明它僅能放大既有的公開(kāi)知識(shí)，而無(wú)法替代基于一手史料的歷史考證工作。戎恒穎也從實(shí)際使用體驗(yàn)出發(fā)，指出大模型在語(yǔ)境記憶、細(xì)節(jié)追溯與邏輯一致性方面仍存在顯著缺陷，其輸出往往帶有形似即可的敷衍傾向，她認(rèn)為真正重要的是經(jīng)驗(yàn)、共情與價(jià)值判斷，而這些恰恰是AI最弱的部分。

聚焦歷史教學(xué)實(shí)踐，張?jiān)教寡悦鎸?duì)學(xué)生使用AI完成作業(yè)的現(xiàn)象，教師群體普遍感到壓力與困惑，但也促使他們反思自身對(duì)技術(shù)的隔閡與憑印象反應(yīng)的局限。在參與技術(shù)和方法論討論后，他主張歷史教師應(yīng)先理解再評(píng)判，通過(guò)重新設(shè)計(jì)課堂與作業(yè)形式，引導(dǎo)學(xué)生將AI作為討論與批判的對(duì)象，而非一味禁止使用。姜鵬則分享了同事的教學(xué)設(shè)計(jì)，即先讓學(xué)生先借助AI生成文本，再逐條糾正其中的錯(cuò)誤并重寫(xiě)。這一過(guò)程通過(guò)對(duì)比模型輸出與史實(shí)、邏輯間的差距，有效提升學(xué)生對(duì)史料辨析與論證嚴(yán)謹(jǐn)性的敏感度，從而將AI從潛在的作弊工具轉(zhuǎn)化為訓(xùn)練批判思維的反面教材。

關(guān)于“AI for History”的概念內(nèi)涵與實(shí)踐路徑，肖馥蓮從數(shù)字人文與史學(xué)方法論的視角回應(yīng)，她認(rèn)為傳統(tǒng)數(shù)字史學(xué)框架下，技術(shù)是工具，歷史解釋權(quán)仍在學(xué)者。然而，隨著大語(yǔ)言模型逐漸嵌入史料檢索、文本標(biāo)注與信息歸納等研究流程，新的問(wèn)題正在浮現(xiàn)：AI是否在事實(shí)篩選與敘事構(gòu)建中獲得了某種“準(zhǔn)主體性”？陳翌嘉從工程與制度視角補(bǔ)充“AI for History”的實(shí)踐條件，指出若要避免技術(shù)說(shuō)了算的問(wèn)題，歷史學(xué)者需在模型訓(xùn)練、RAG檢索、索引與重排序、任務(wù)拆解等關(guān)鍵環(huán)節(jié)中發(fā)聲。聽(tīng)眾李思玥進(jìn)一步從工程實(shí)踐角度細(xì)化了具體路徑，包括高質(zhì)量語(yǔ)料庫(kù)的建設(shè)、合理的文本分塊與索引策略、檢索增強(qiáng)生成的技術(shù)集成、查詢重寫(xiě)與重排序機(jī)制，以及基于真實(shí)研究任務(wù)設(shè)計(jì)工具與評(píng)測(cè)體系。