将人工智能研究扩展到人文学科：循证学术的多主体框架

基于 LLM 的研究代理在科学和工程领域取得了快速进展，研究是围绕可执行实验、代码和定量信号进行组织的。然而，人文学术需要对主要来源进行解释性的、基于证据的论证，其价值取决于忠实的引用、可验证的出处和深刻的解释。现有的研究机构使用总体规划、工具使用和反思，使这些学术运作变得隐晦。为了解决这一差距，我们引入了 SPIRE（Scholarly-Primitives-Inspired Research Engine），这是一个多智能体框架，它实现了 Scholarly Primitives（一种基本人文学术实践的类型），作为多尺度细读段落基底、上下文内图形社区和跨上下文语义集群上的合作角色。在古典中文和希腊罗马拉丁语学术同行评审论文的基准上，SPIRE 恢复了更多被引用的主要来源证据，并且在四个学术质量维度上获得了比 LLM、RAG 和通用代理基线更高的盲人和 LLM 评级。检索层和代理消融，以及检索量和答案长度控制，将其优势追溯到有针对性的检索、结构化证据选择和主张证据绑定。代码和基准数据发布于 https://github.com/YatingPan/SPIRE。