Nonparametric domain adaptation for multimodal connoisseurship of Buddhist statuary across dynasties (ChronoStyleNet2.0)

技术摘要：ChronoStyleNet 2.0 (CSN 2.0)

问题陈述
由于缺乏受过专业训练的专家、大量未记录藏品的规模巨大以及保护工作的紧迫性，中国佛教造像的文献记载、断代与解读面临着显著的约束。传统上依赖专家视觉检查和文本研究的方法难以规模化。虽然数字化方法（2D 深度学习、3D 点云分析）和通用多模态大语言模型 (MLLM) 提供了新的途径，但它们往往缺乏特定的考古学术语、上下文背景，或无法提供从视觉证据到风格及年代归属的可解释路径。先前的领域适配尝试（如 ChronoStyleNet 1.0）在年代覆盖范围、参数微调风险以及“过早归属”（即注入的知识覆盖了模糊的视觉证据）方面面临局限。

方法论：ChronoStyleNet 2.0 (CSN 2.0)
CSN 2.0（中文名：智见造像）是一个非参数化领域适配系统，旨在无需对底层模型进行进一步参数微调的情况下，扩大佛教造像分析的年代与地理范围。

• 核心架构： 系统利用 Gemini 2.5 Flash 作为多模态推理骨干。它通过一个四阶段推理工作流运行：查询解析、上下文组装、模型推理和响应解析。
• 非参数化适配策略： CSN 2.0 不进行微调，而是通过三个集成组件在推理阶段注入领域知识：
  1. 结构化提示词 (Structured Prompting)： 一个包含约 4,000 字领域提示词的系统，包含一个九步分析协议、朝代特征摘要和证据优先级方案。至关重要的是，它强制执行**“视觉证据优先”规则**，要求模型在进行图像学或年代归属之前，必须先描述可观察到的特征。
  2. 三策略融合检索 (TSFR)： 一个检索增强生成 (RAG) 模块，使用基于关系的文本检索而非向量数据库。TSFR 结合了：
     • 用于标准化术语的直接全文匹配 (SQL LIKE)；
     • 用于碎片化查询的分词关键词检索；
     • 基于触发词进行搜索扩展的精选领域映射。
  3. 基于 CIDOC CRM 的领域本体： 一个组织在 11 个层级（如时间、空间、图像学、材质）中的知识库，并映射到选定的 CIDOC CRM 类与属性。该结构将可见特征与参考资料及拟议归属联系起来，尽管其实现被描述为“基于信息”而非严格遵循标准（例如省略了以事件为中心的建模）。
• 数据集：
  • 知识库： 包含 3,642 条精选条目，涵盖从十六国时期到清代的图像学参考、地方志和考古文献。
  • 结构化造像数据集： 145 件经过标注的造像，分布在九个图像学类别（如释迦牟尼、观音）及不同朝代。
  • 评估集： 一个由 18 件雕塑组成的留出集（每个图像学类别两件），覆盖九个朝代，用于测试系统相对于四个通用模型的表现。

主要贡献

1. 数据集创建： 开发了一个专家标注的多朝代佛教造像数据集，以及一个独立的 18 件物品评估集。
2. 非参数化工作流： 实现了一种结合结构化提示词、TSFR 和基于 CIDOC CRM 本体的工作流，避免了参数微调带来的风险。
3. 提示词级缓解措施： 引入了“视觉证据优先”规则，旨在通过强制模型在最终确定日期或身份前，先将其结论与可观察特征挂钩，从而减少过早归属。

结果
系统在 18 件留出雕塑上，针对八个考古维度（如风格特征提取、断代准确性、文化阐释、推理合理性）进行了评估，并与 GPT-5.1、Claude 4.5、Gemini 2.5 Pro 和 Grok 3 进行了对比。

• 性能优势： 与其他非 GPT 模型相比，CSN 2.0 在风格特征提取和语言一致性方面取得了相对较高的分数。它在断代准确性方面表现不一（平均分 2.944），虽优于部分通用模型，但显著低于 GPT-5.1 (4.944)。其在造像类型识别方面的表现具有异质性：系统在观音、普贤和文殊菩萨项中得分 4 或 5，但在弥勒和月光菩萨项中得分仅为 1 或 2，表明不同类别间存在实质性的差异。
• 性能弱点： 与 GPT-5.1 及在某些维度上的 Gemini 2.5 Pro 相比，该系统在文化阐释和从证据到结论的推理方面得分较低。
• 误差分析： 虽然 CSN 2.0 提供了详细的解剖学描述，但有时无法识别出实现正确归属所需的特定诊断性特征（例如，将宝瓶误认为佛像）。得分的高标准差反映了测试项之间的异质性，而非运行过程中的不稳定。
• 对比背景： GPT-5.1 在所有维度上均获得了最高平均分。CSN 2.0 通常优于 Claude 4.5 和 Grok 3，但在针对特定维度时，其表现与 Gemini 2.5 Pro 相比结果不一。

意义与主张
论文将 CSN 2.0 定位为专家判断的探索性、可追溯的辅助工具，而非替代品。

• 非参数化适配的可行性： 本研究证明了在推理阶段为通用多模态骨干提供精选领域信息的实际可行性。这种方法允许知识源独立于模型进行更新，并使检索到的证据具有可检查性。
• 可追溯性： 通过使用结构化提示词和领域本体，系统旨在使从视觉证据到归属的推理路径更加透明，从而解决通用 MLLM 的“黑箱”性质问题。
• 局限性与范围： 作者明确指出该评估是探索性的。由于测试集较小（18 件物品）、采用单次运行输出且缺乏组件消融研究，因此结果不能归功于特定组件（如本体 vs. 提示词），亦不能广泛推广。该系统旨在用于初步文献记录、教学和假设生成，其输出需要专家验证。作者警告不要在未经进一步验证的情况下将该系统用于保护决策。