M-ArtAgent：面向隐性艺术影响发现的基于证据的多模态智能体

隐性艺术影响虽然在视觉上看似合理，却往往缺乏文献记载，因而构成一个受历史条件制约的归属问题：相似是必要但非充分的证据。大多数既有系统将影响发现简化为嵌入相似度或标签驱动的图补全，而近来的多模态大语言模型（LLM）仍易受时间不一致和未经核实的归属判断影响。本文提出M-ArtAgent，一个基于证据的多模态智能体，将隐性影响发现重新框定为概率性裁决。它遵循由调查（Investigation）、佐证（Corroboration）、证伪（Falsification）和裁决（Verdict）构成的四阶段协议，由一个推理与行动（ReAct）式控制器主导，该控制器从图像和传记中组装可验证的证据链，强制执行艺术史公理，并通过提示隔离的批评者对每个假设进行对抗性证伪。两个扎根理论的算子——用于Wolfflin形式分析的StyleComparator和用于基于ICONCLASS图像学落地的ConceptRetriever——确保中间论断在形式上可审计。在由100位艺术家和2,000个有向配对构成的平衡版WikiArt Influence Benchmark-100（WIB-100）上，M-ArtAgent取得83.7%的正类F1、0.666的马修斯相关系数（MCC）和0.910的ROC曲线下面积（ROC-AUC），泄漏控制与鲁棒性检查证实，当显性影响措辞被遮蔽时这些增益依然存在。通过将多模态感知与领域约束的证伪相耦合，M-ArtAgent表明隐性影响分析受益于扎根历史的裁决，而非仅靠模式匹配。