Beyond Similarity: Grounded Agentic Extraction and Expert-Adjudicated Evaluation of Intertextuality in Classical Chinese Histories
arXiv 论文 2607.27595v1 提出将细粒度互文性提取重构为智能体任务：LLM 完整阅读两个文本单元，通过受限工具接口将每次复用锚定到精确字符跨度，并按五维类型标注。研究在《论语》与《汉书》的穷尽比较上验证，三位领域专家将多模型候选集裁定为 2533 对互文对。研究评估了 12 个 LLM，精确率 56%-93%，同等质量下成本差异 51 倍，并报告了置信度校准情况。
Development
- First ReportBeyond Similarity: Grounded Agentic Extraction and Expert-Adjudicated Evaluation of Intertextuality in Classical Chinese HistoriesarXiv cs.CL
- Current Assessment该研究展示了 LLM 在专业人文学科任务中的潜力，通过智能体化流程实现专家级标注。专家一致性梯度表明，需要意图推断的维度仍具挑战，限制了自动化标注的适用范围。成本差异 51 倍提示在规模化应用中需权衡模型选择。Agent Pulse · analysis
该论文将互文性提取从相似度计算转向智能体化、可解释的抽取。作者让 LLM 通过工具接口将复用锚定到精确字符跨度，并按形式、方面、来源标记、功能、立场五维标注。在《论语》与《汉书》的穷尽比较中，专家裁定出 2533 对互文对作为基准。对 12 个 LLM 的评估显示精确率 56%-93%，成本差异 51 倍，置信度校准不一。专家一致性呈现可靠性梯度：文本表面可读的维度标注一致，而需推断意图的维度存在争议。
将互文性提取重构为智能体任务，要求模型通过工具接口锚定字符跨度，这比纯相似度计算更可解释。五维类型学（形式、方面、来源标记、功能、立场）提供了细粒度标注框架。12 个模型的精确率跨度大（56%-93%），且成本差异 51 倍，表明模型选择对成本效益影响显著。置信度校准的差异提示在关键应用中需谨慎使用模型置信度。
该研究展示了 LLM 在专业人文学科任务中的潜力，通过智能体化流程实现专家级标注。专家一致性梯度表明，需要意图推断的维度仍具挑战，限制了自动化标注的适用范围。成本差异 51 倍提示在规模化应用中需权衡模型选择。
对构建专业文本分析工具的公司，该方法提供了可解释的互文性抽取方案，可能用于文学研究、历史文献数字化等场景。成本差异 51 倍提示在预算敏感的应用中可选用低成本模型。专家裁定基准为模型评测提供了新标准。
后续可验证信号：该方法能否推广到其他古典文本对；五维类型学是否被其他研究采用；模型在意图推断维度上的表现是否随新模型提升；成本差异是否会随模型迭代缩小。