HistoRAG：通过关键技术实践将历史方法论嵌入检索增强生成中

检索增强生成（RAG）是在外部证据中奠定语言模型输出的主流架构，但其主导评估范式和默认配置仍然面向事实问答。对于历史研究等解释性学科，RAG 嵌入了与学术实践相冲突的假设。我们引入 HistoRAG，一个将史学原则转化为具体建筑干预的框架。分离的检索和生成将源发现与解释分离，时间窗口在整个研究期间强制平衡源表示，作为历史查询的方法论要求，而 LLM 作为法官评估使相关性判断透明且可争议。我们使用 SPIEGELragged 评估这些干预措施，并将其应用于《明镜周刊》（1950-1979 年）的 102,189 篇文章。每项干预措施都解决了标准 RAG 中的一个可衡量的缺陷：当使用 1970 年代的术语时，特定时代的词汇会检索到 20 世纪 50 年代的零块，这是激发窗口化的时间偏差的证据；向量相似性和 LLM 评估的相关性仅弱相关（Spearman rho = 0.275），激励检索后评估；基于关键字和语义的检索表面很大程度上不相交的源池，激发了一种架构，其中两者在共享的 LLM 评估过滤器下作为互补检索层运行。我们还引入了 Zwischentexte（充当解释性建议而不是发现的中间文本）的概念，作为将 LLM 生成的文本负责任地整合到学术实践中的框架。该架构提供了一个模型，说明如何将特定领域的认识论承诺转化为 RAG 设计决策，并可能转移到使用大型语料库的其他解释学科。