“歷史書寫的傳統(tǒng)與新可能性”學術(shù)會議于10月24-26日在復旦大學召開，其中以“AI與歷史研究的新可能性”為主題的論壇，引起了學者們的廣泛興趣。報告內(nèi)容豐富，討論熱烈。分享者既有來自人工智能領(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，交融了不同代際學者的智慧。

會議現(xiàn)場

10月25日上午，復旦大學人工智能創(chuàng)新與產(chǎn)業(yè)研究院研究員朱思語《早期中華文明多模態(tài)大模型》圍繞AI與歷史學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，從1956年達特茅斯會議首次提出“人工智能”概念，到2017年后生成式AI的迅速崛起。朱教授指出當前大模型的核心支撐在于海量數(shù)據(jù)與強大算力，并強調(diào)其雖具備廣泛的知識記憶能力，但“考試能力”與“學科研究能力”存在本質(zhì)區(qū)別。在探討AI與學科研究的關(guān)系時，他進一步提出，AI在歷史學中的應用不僅是技術(shù)工具的創(chuàng)新，更有潛力推動研究范式的整體轉(zhuǎn)型。為此，復旦大學聯(lián)合歷史、考古、古文字等多學科專家，共同啟動“早期中華文明多模態(tài)大模型”項目。該項目致力于整合考古發(fā)掘、歷史文獻、古文字材料、歷史地理信息等多模態(tài)數(shù)據(jù)，構(gòu)建跨學科專業(yè)數(shù)據(jù)庫，并在此基礎(chǔ)上訓練適用于歷史研究領(lǐng)域的專用模型，以輔助學者進行綜合性分析與復雜推理。朱教授還展示了項目的初步成果，包括：結(jié)合歷史地理信息與考古數(shù)據(jù)，分析長江與黃河流域文明發(fā)展的規(guī)律性趨勢；利用大模型實現(xiàn)古文字的智能識別與出處溯源；構(gòu)建多模態(tài)評測體系，系統(tǒng)評估模型在史料理解、時空推理等多方面的能力。

復旦大學人工智能創(chuàng)新與產(chǎn)業(yè)研究院研究員朱思語

美國加州大學圣地亞哥分校計算機科學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在人文學科應用中缺乏專屬預訓練模型與測評題，核心在于恰當建模與置信度設置。她分享了兩個成功案例：一是通過機器學習提取17世紀書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別文字。她強調(diào)，AI應用需專家標注數(shù)據(jù)、拆解研究步驟，可解釋性強的小模型往往更實用，且需人機交互驗證結(jié)果可靠性，同時提及古代文字表征、異體字處理等現(xiàn)存難題。

復旦大學歷史學系副教授孫遇洲《亞非團結(jié)跨國網(wǎng)絡的視覺文化：基于多模態(tài)AI技術(shù)的研究》源于萬隆會議召開70周年，聚焦“亞非團結(jié)跨國網(wǎng)絡的視覺文化”，旨在通過CLIP等多模態(tài)AI技術(shù)，分析1950-80年代出版的有關(guān)非洲的中文書籍配圖及亞非團結(jié)組織的外文刊物配圖，探究中國對非洲的視覺表征及其歷史演變，揭示這一時期去殖民化的發(fā)展與國際政治環(huán)境的變化。現(xiàn)有研究存在明顯空白，國際學界多關(guān)注蘇聯(lián)主導的亞非作家協(xié)會及《蓮花》雜志，忽視中國在亞非團結(jié)中的重要作用，且易將相關(guān)組織簡化為中蘇意識形態(tài)爭奪工具。傳統(tǒng)研究還面臨視覺資源分散、解讀效率低、跨文化語義理解難等難題。本研究借助計算機視覺技術(shù)實現(xiàn)視覺資料自動識別分類，結(jié)合時空建模構(gòu)建傳播動態(tài)網(wǎng)絡，通過多模態(tài)模型解析圖像情感符號與象征意義，填補非文本資料研究缺口。研究不僅豐富中非交往中的視覺文化研究，更助力深化對亞非團結(jié)歷史遺產(chǎn)的理解，弘揚萬隆精神。

復旦大學歷史學系副教授孫遇洲

10月25日下午，復旦大學科技考古研究院副教授文少卿《未來已來：從分子考古到AI考古》系統(tǒng)分享了考古學研究的創(chuàng)新路徑與實證成果。報告指出，分子考古作為考古學的第二次革命，突破傳統(tǒng)形態(tài)學局限，通過同位素、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，實現(xiàn)了從“透物見人”到“直接識人”的跨越。分子考古已深度融合歷史學、語言學、醫(yī)學等多學科，文老師結(jié)合多個實證案例展開說明：新疆石墩子遺址通過同位素與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期人群遷徙與文化交流的關(guān)系；長安城人口遺傳史研究則印證了歷史事件對人群基因結(jié)構(gòu)的影響。報告還強調(diào)AI已全面滲透考古學的發(fā)掘保護、研究、展示傳播全流程。通過遙感衛(wèi)星數(shù)據(jù)與AI結(jié)合，高效發(fā)現(xiàn)無人區(qū)考古遺址并實現(xiàn)實時監(jiān)測；AI技術(shù)可助力文物修復、陶瓷器與動植物遺存自動化鑒定，還在考古報告結(jié)構(gòu)化、多模態(tài)數(shù)據(jù)對齊與因果邏輯挖掘中發(fā)揮重要作用。

復旦大學科技考古研究院副教授文少卿

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

浙江工商大學東亞研究院副研究員王侃良

復旦大學歷史學系博士生肖馥蓮以《走向多模態(tài)歷史推理：HistBench與HistAgent》為題作報告。她梳理了AI進入史學的歷史脈絡，從20世紀的數(shù)字史學、計量史學到21世紀的數(shù)字化轉(zhuǎn)折，指出人工智能時代為史學研究帶來了方法論的變革與主體性爭論。報告提到兩項復旦歷史學系與普林斯頓大學聯(lián)合完成的項目成果：其一是歷史推理測評集HistBench，依難度分為三層級、六維度評估，并經(jīng)三重審查流程以確保學術(shù)可靠性；其二是智能體系統(tǒng)HistAgent，通過多智能體協(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。肖馥蓮同時提醒，AI尚難取代史料批判與解釋分析，模型幻覺、數(shù)據(jù)封閉與多模態(tài)識讀的限制仍在，歷史研究的自動化應在學科規(guī)范與人工復核下謹慎推進。

復旦大學歷史學系博士生肖馥蓮

復旦大學PPE專業(yè)本科生陳翌嘉《從記憶至推理：AI的史學能力邊界探案》系統(tǒng)性探討了歷史學基準測試集HistBench的突破與局限。首先，強調(diào)了HistBench致力于構(gòu)建多元化的學術(shù)語境，這一特色使其在系統(tǒng)性與專業(yè)性上超越相關(guān)基準，能夠更好地評估AI完成歷史學術(shù)任務的能力。接下來，展現(xiàn)了該基準在語言、地域、模態(tài)及領(lǐng)域等多個維度的廣泛覆蓋，并引入HistAgent與主流模型的測試結(jié)果，揭示其對現(xiàn)有AI的挑戰(zhàn)。之后，通過分析題目示例，體現(xiàn)出該基準在系統(tǒng)性分級和研究語境建構(gòu)方面的能力。最后，圍繞歷史學基準的設計理念與人工智能的能力邊界展開了深入反思：動態(tài)評分標準的難以確立限制了基準測試在人文學科中的應用深度，它雖可拆解研究中的確定性任務并以題目的形式呈現(xiàn)，卻無法有效評估任務銜接機制與不可量化的學術(shù)判斷。

復旦大學PPE專業(yè)本科生陳翌嘉

10月25日下午，與會學者就“AI與歷史研究的新可能性”為主題進行了討論。此次圓桌會議匯聚了來自歷史學、數(shù)字人文與計算機科學領(lǐng)域的多位學者、教師與學生，圍繞若干關(guān)鍵議題展開了深入交流。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，以及教學實踐與學術(shù)倫理等重要方向。

作為圓桌主持人之一，朱思語在開場中提出了“AI+ History”與“AI for History”之間的根本區(qū)分，引發(fā)聽眾思考。他強調(diào)不能僅將AI視為一種時髦口號，而必須回歸具體學科語境，深入思考“誰來主導”、“使用什么數(shù)據(jù)”以及“解決哪些歷史學問題”這三個關(guān)鍵問題。他進一步提出“AI+X”與“AI for X”的概念分野，前者往往是技術(shù)向?qū)W科的簡單疊加，后者則要求以學科問題為核心，反向塑造技術(shù)路徑。朱思語提醒，若缺乏歷史學者的深度參與，“AI for History”很容易淪為技術(shù)方自說自話。

另一位主持人高晞結(jié)合自身參與AI項目的經(jīng)歷指出，歷史學者“不要先問AI會不會取代歷史學家，而是要先敢于走進去”。她坦言自己最初對AI幾乎一無所知，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程中，她逐漸認識到AI無法脫離史學的專業(yè)判斷，也意識到主動參與技術(shù)構(gòu)建恰恰是降低被替代風險的關(guān)鍵。高晞認為，目前AI更多是作為一種高效工具存在尚未帶來史學范式的根本性質(zhì)變，但通過設計難題、構(gòu)建評測體系與語料庫AI反過來促使歷史學者提出新問題。

主持人高晞教授

姜鵬在點評中從“歷史學是什么”這一根本問題出發(fā)，對當前“AI for History”的研究實踐提出追問。他認為目前許多相關(guān)嘗試尚未觸及歷史學的核心要義，因為歷史研究不僅是對客觀事實與資料的技術(shù)性整理，更重要的是歷史學者必須帶著自身的立場與語言，參與到對歷史的理解與闡釋之中。而一旦進入解釋與敘述的層面，歷史便不可避免地牽涉意識形態(tài)、價值判斷與主體介入，正如同一歷史事件在不同政治語境下會被賦予截然不同的意義。姜鵬進一步提到，若將歷史真相預設為某種單一、可被技術(shù)找出的客觀實體，實則落入了一種“科學主義歷史觀”的窠臼。事實上，任何所謂的“真相”一旦被語言表達出來，便已不再是完整的實在。因此，無論AI作為工具還是潛在的認知主體，都無法替代人類在敘述選擇、意義建構(gòu)與解釋責任承擔中的不可替代角色。基于這一思考，他強調(diào)，AI的興起應當促使歷史學界重新審視后現(xiàn)代史學理論與語言哲學的啟示——意識到所謂“真相”只能在語言內(nèi)部被不斷討論與逼近，而不能簡單地交由算法來定論。

法國學者杜杰庸從歷史哲學與修養(yǎng)論的視角指出，人的“身體經(jīng)驗”、“時間感”以及在長期閱讀與寫作中積淀的工夫，構(gòu)成了人文知識不可化約的基礎(chǔ)。無論AI能力如何提升，都難以復現(xiàn)這種研究者與歷史對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，可能會削弱史學訓練應有的思想深度與德性涵養(yǎng)。德國學者閔道安借助章學誠所提出的“才、學、識、心術(shù)”框架，系統(tǒng)闡述了AI與歷史學者的合理分工：AI可在“學”（資料整合）與“識”（初步分析）層面提供輔助，但“才”（表達創(chuàng)造）與“心術(shù)”（價值立場與史學倫理）仍必須由人來承擔。

在AI工具的應用層面，孫遇洲從全球史與非洲史的角度指出，大模型對高難度冷門題反而表現(xiàn)更好，可能是因為此類領(lǐng)域依賴較干凈的專家語料。但她也指出，這同時暴露出當前訓練數(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)進入AI的訓練體系。趙冬梅則指出，大模型在文獻檢索、自動分類與基礎(chǔ)解讀方面具備效率優(yōu)勢，然而一旦超出其訓練語料的范圍，模型便可能虛構(gòu)學者與論文。這表明它僅能放大既有的公開知識，而無法替代基于一手史料的歷史考證工作。戎恒穎也從實際使用體驗出發(fā)，指出大模型在語境記憶、細節(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，她認為真正重要的是經(jīng)驗、共情與價值判斷，而這些恰恰是AI最弱的部分。

聚焦歷史教學實踐，張越坦言面對學生使用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技術(shù)的隔閡與憑印象反應的局限。在參與技術(shù)和方法論討論后，他主張歷史教師應先理解再評判，通過重新設計課堂與作業(yè)形式，引導學生將AI作為討論與批判的對象，而非一味禁止使用。姜鵬則分享了同事的教學設計，即先讓學生先借助AI生成文本，再逐條糾正其中的錯誤并重寫。這一過程通過對比模型輸出與史實、邏輯間的差距，有效提升學生對史料辨析與論證嚴謹性的敏感度，從而將AI從潛在的作弊工具轉(zhuǎn)化為訓練批判思維的反面教材。

關(guān)于“AI for History”的概念內(nèi)涵與實踐路徑，肖馥蓮從數(shù)字人文與史學方法論的視角回應，她認為傳統(tǒng)數(shù)字史學框架下，技術(shù)是工具，歷史解釋權(quán)仍在學者。然而，隨著大語言模型逐漸嵌入史料檢索、文本標注與信息歸納等研究流程，新的問題正在浮現(xiàn)：AI是否在事實篩選與敘事構(gòu)建中獲得了某種“準主體性”？陳翌嘉從工程與制度視角補充“AI for History”的實踐條件，指出若要避免技術(shù)說了算的問題，歷史學者需在模型訓練、RAG檢索、索引與重排序、任務拆解等關(guān)鍵環(huán)節(jié)中發(fā)聲。聽眾李思玥進一步從工程實踐角度細化了具體路徑，包括高質(zhì)量語料庫的建設、合理的文本分塊與索引策略、檢索增強生成的技術(shù)集成、查詢重寫與重排序機制，以及基于真實研究任務設計工具與評測體系。