大语言模型、机器辅助的文化分析学与自主智能体转向
Large Language Models, Machine-Assisted Cultural Analytics, and the Agentic Turn
Andres Karjus
中文摘要
大语言模型(LLM)等技术使文化材料更易被转化为可分析的变量，而由 LLM 驱动的自主智能体系统将机器辅助延伸到了研究工作流的其他环节。本章既非一份完整的使用指南，也非对近期 LLM 应用案例的穷尽式综述，而是聚焦于这一新范式的若干关键面向及其更宏观的图景。文中主张，这类技术扩展了研究在规模、方法论范围与可委托性上的边界；但支撑文化性论断的那些测量，其基本逻辑在很大程度上并未改变。
关键要点
- 01LLM 降低了将文化材料编码为可分析变量的门槛
- 02LLM 驱动的智能体系统将机器辅助从分析扩展到整个研究工作流
- 03技术进步带来了规模扩大、方法论范围拓宽与研究任务可委托性的提升
- 04文化测量结果如何支撑文化性论断的基本逻辑并未发生根本变化
- 05本章为视角性讨论，不提供完整操作指南，也不做应用案例的穷尽综述
解读
尚无解读。
原始英文摘要
arXiv:2610.12792v1 Announce Type: cross Abstract: Technologies like large language models make it easier to convert cultural material into analyzable variables, while LLM-driven agentic systems extend machine assistance to other parts of the research workflow. Rather than a full how-to guide or an exhaustive review of recent LLM use cases, this chapter looks at some crucial aspects of this new paradigm as well as the bigger picture. I argue that these technologies expand the scale, methodological range, and scope for delegation, while the basic logic by which those measurements support cultural claims remains mostly unchanged.