CArtBench: Evaluating Vision-Language Models on Chinese Art Understanding, Interpretation, and Authenticity
本文提出了基于故宫博物院藏品的多模态基准 CARTBENCH，通过策展问答、结构化鉴赏、重新解读及真伪鉴别四项任务，系统评估了当前视觉语言模型在中文艺术品理解、深度推理及真伪鉴别方面的能力，揭示了现有模型在证据关联、长文生成及专家级鉴别方面仍存在显著不足。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇论文介绍了一个名为 CARTBENCH 的新“考试”，专门用来测试人工智能（AI）对中国传统艺术的理解能力。
想象一下，如果你给一个 AI 看一幅古画，它不仅能认出画里画的是“山水”还是“花鸟”，还能像一位真正的博物馆策展人或艺术鉴赏家那样，讲出画背后的故事、分析笔触的妙处，甚至能分辨出哪幅是真迹、哪幅是赝品。
这篇论文就是给 AI 们出了一套这样的“高难度试卷”，看看它们到底是不是真的“懂”中国艺术，还是只是在“背答案”。
🎨 核心概念：CARTBENCH 是什么？
以前的 AI 考试，大多像“看图说话”或“选择题”，比如问：“这幅画里有一只猫吗？”或者“这是哪个朝代的？”。
但 CARTBENCH 不一样，它更像是一场**“艺术大师的进阶考核”**。它基于故宫博物院的真实藏品数据，设计了四个关卡（任务）：
🕵️♂️ 策展人问答 (CURATORQA)：证据链大挑战
- 比喻：就像侦探破案。AI 不能瞎猜，必须指着画上的某个细节（比如印章、笔法、构图）说：“因为这里有个红印章，所以这是明代的作品。”
- 发现：AI 做简单的“看图识字”很厉害，但一旦需要把“画面细节”和“历史知识”联系起来（比如通过画风推断朝代），很多 AI 就开始“露馅”了，准确率大幅下降。
📝 专家鉴赏 (CATALOGCAPTION)：写“满分作文”
- 比喻：让 AI 写一篇专业的艺术品介绍，必须包含四个部分：背景、内容、艺术特色、综合评价。就像让一个学生写“读后感”，不仅要写得长，还要写得有深度、有文采。
- 发现：AI 能写出通顺的文章，格式也对了，但读起来像“行活”（套话），缺乏真正专家那种对笔墨、气韵的深刻洞察。它们离人类专家的水平还有很大差距。
💡 创意重读 (REINTERPRET)：老树发新芽
- 比喻：给一幅名画，让 AI 提出一个“新颖”的解读角度。不能只是复述教科书，要有自己的见解，但必须基于画面，不能瞎编。
- 发现：AI 很难在“不胡编乱造”的前提下提出“有创意”的观点。它们要么太保守（像复读机），要么为了创新而编造事实。
🔍 鉴宝大师 (CONNOISSEURPAIRS)：火眼金睛辨真假
- 比喻：这是最难的“终极挑战”。给 AI 看两幅画，一幅真迹，一幅高仿（长得非常像），让它选哪个是真的。这需要观察极其细微的笔触连贯性和整体气韵。
- 发现：在这个任务上，AI 的表现几乎和**“瞎蒙”**（猜硬币正反面）差不多。它们容易被表面的细节（比如印章多、线条密）迷惑，却看不懂真正的“笔墨神韵”。
📊 主要发现：AI 的“偏科”现象
论文测试了 9 种目前最厉害的 AI 模型，发现了一个有趣的现象：
- 表面光鲜，内里空虚：有些 AI 在简单的选择题上得分很高（比如 80% 以上），让人以为它很懂艺术。
- 一深就露馅：一旦题目变难，需要结合视觉证据和历史知识推理（比如“为什么这种笔法属于宋代？”），或者需要像专家一样写长文、辨真假时，它们的能力就断崖式下跌。
- 中文模型更懂中文：在涉及中国艺术知识时，专门针对中文优化的模型（如 Qwen 系列）比通用的国际模型（如 GPT、Gemini）表现稍好，但差距依然存在。
🚀 为什么这很重要？
这就好比我们请 AI 当博物馆的“数字讲解员”或“文物鉴定助手”。
- 如果 AI 只是**“背答案”**，它可能会把赝品当真品推荐，或者讲出一些看似有理实则错误的历史故事，误导观众。
- CARTBENCH 的目的就是**“照妖镜”，它告诉研究人员：现在的 AI 在“文化理解”和“深度推理”上还有很长的路要走。我们需要教它们如何像人类专家一样，去观察、推理、并负责任地解释**，而不仅仅是识别物体。
总结
这篇论文就像给 AI 艺术圈发了一张**“体检报告”。它告诉我们：AI 现在的“艺术细胞”还比较初级，能认图，但不懂“画意”，更不懂“鉴真”。要想让 AI 真正走进博物馆，成为人类艺术家的得力助手，我们还需要在“证据推理”和“文化深度”**上继续打磨。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。