新框架CHisAgent用多智能体从《二十四史》自动构建中国古代事件分类体系
该研究由香港理工大学等机构学者提出，旨在以更低成本替代人工整理历史知识结构，覆盖政治、军事、外交与社会生活四类。
AI解读：这项研究针对的是大模型在非英语历史文化推理上的短板。作者认为，单纯靠模型很难直接理解中国古代史，而分类体系（taxonomy）能把零散历史知识组织成结构化的层级，帮助模型更好地处理这类内容。但人工建分类体系成本高、难以规模化，所以他们设计了CHisAgent：一个多智能体框架，把构建过程拆成三个角色——Inducer负责从原始历史文本中自下而上归纳出初始层级，Expander利用大模型的世界知识自上而下补上缺失的中间概念，Enricher再引入外部结构化历史资料做事实核对。团队用《二十四史》构建了一个覆盖政治、军事、外交和社会生活的大规模事件分类体系，评测显示其结构连贯性和覆盖面都有提升，还支持跨文化对齐。对研究古代史或做历史数字人文的人来说，这能替代一部分人工整理工作，把散在史书里的事件自动归类；但要注意，论文依据的是摘要，详细评测方法和分类体系的具体规模并未在此公开。
一组来自香港理工大学等机构的研究者在论文中提出CHisAgent，一个面向中国古代史的多智能体大模型框架，用于自动构建领域事件分类体系。论文已被EMNLP 2026 findings接收，摘要发布于arXiv（编号2601.05520）。
研究团队用《二十四史》作为语料，构建了覆盖古代中国政治、军事、外交和社会生活的大规模事件分类体系。
框架设计
CHisAgent将分类构建拆解为三个角色化阶段：Inducer以自下而上方式从原始历史语料中推导初始层级；Expander利用大模型世界知识自上而下补充缺失的中间概念；Enricher在证据引导下整合外部结构化历史资源，以保证结果的忠实性。
评测结果
论文称，基于无参考和基于参考的评测显示，该分类体系在结构连贯性和覆盖率上均有提升；进一步分析表明，生成的结果支持跨文化对齐。