TRACE：数字档案中可追溯的Agent来源检索

历史档案给RAG带来困难：文档受OCR错误影响，体裁和来源异构，学术及机构用途又需要强来源可追溯性。我们提出无需训练的Agent检索框架TRACE，为历史语料中可问责的来源发现而设计。系统在DECIDON跨学科项目背景下开发，该项目研究法兰西第三共和国时期政治话语在议会辩论与新闻媒体间的传播，涉及数字化历史馆藏和机构场景。原型当前在项目内部部署，供六家合作机构的24名研究者使用。我们在HistoriQA-ThirdRepublic上评估：该基准含1752个法语历史问题，覆盖1887年的议会辩论和报纸，文档来自法国国家图书馆数字馆藏。TRACE达到R@10=0.856、MRR=0.653，优于稀疏、稠密、图式与Agent RAG基线，在多跳和跨语料问题上收益最大。默认托管推理配置下，每题约0.02美元，对无法依赖昂贵本地GPU基础设施的文化遗产机构、实验室或企业仍具经济可行性。结果说明，对大型数字图书馆和档案，可追溯检索及语料感知Agent设计，可替代较重的训练或图构建路线。