任冠虹 2026-10-02 09:30 福建
以下文章来源于：中国社会科学网
中国社会科学网
繁荣中国学术 发展中国理论 传播中国思想
从钱锺书先生以稿费资助的笨重微机，到2025年国内首个主攻“文学计算批评”的数字人文实验室正式挂牌——40余年，几代学人，一条数字技术与人文学科从试探、磨合到深度融合的道路，愈发明晰。
在这里，“远读”不再是莫莱蒂笔下单纯的语料统计，“计算”也不再是理工科的专利。当37万条新诗音组特征被用于机器学习模型训练，百年新诗史上聚讼纷纭的“散文化与格律化”命题获得了可验证的数据图景；当曹禺《日出》七个版本的异文借助算法自动完成比对，以往需数月手工对勘的文献工作被压缩到数秒；当“长安”意象的千年流变在检索框里一键呈现，百万首诗与一个时代的隐秘关联陡然显现——传统文学研究的边界正在被重新划定。一种属于数字时代的人文研究新范式呼之欲出。
对普通大众而言，数字人文早已不是陌生概念。古籍数据库、AI续写诗词、文学地图可视化等应用早已渗入文化生活，但计算批评依然带着学术前沿的神秘感。
数字人文与计算批评实验室负责人、中国社会科学院文学研究所副研究员赵薇的解释通俗却精准：“计算批评是数字人文在传统人文学科中‘落地’的主要形态。它以人的精神和观念领域为核心对象，承认人在运用技术过程中的主观性和主体性，不单纯追求实证效果，而是强调实证过程与人文阐释的结合——通过数字人文的实验设计，表达出建立在主体经验之上的批评性观点。”换言之，它不是用机器替代人，而是让人站得更高、看得更远。
这种定位背后，是对学科积弊的清醒回应。过去30年，全球数字人文发展始终面临一个悖论：新技术派沉迷于开发工具、优化算法，却离文学问题越来越远；而传统文学学者往往将量化研究视为“没有温度的统计”，觉得“数出《红楼梦》里出现了多少次‘笑’字，也说明不了曹雪芹的叙事高明在哪里”。
数字人文与计算批评实验室团队的选择是“两条腿走路”：一方面做基础设施建设——建造数据集、平台、工具、模型算法，解决“材料从哪里来、怎么处理”的问题；另一方面做“有反思的计算”——既用算法发现人靠细读难以察觉的规律，也用人文经验反过来检验模型的效用，“绝不把‘技术正确’等同于‘学术正确’”。赵薇举了一个代表性案例：2026年5月，团队发表《现代汉诗的节奏观念如何可能——对两种“新文体”关系的计算批评研究》，该研究成果建立在对37万个标注音组的特征抽取之上，利用机器学习对新诗和散文诗两种体式进行节奏观念建模，但最终目的不是为了区分“哪首是新诗、哪首是散文诗”。
赵薇说，真正的工作是在建模分类之后。团队聚焦模型误判文本和极值文本，跟随算法的指引返回具体历史语境中细读，回应新诗格律、新诗散文化、新民歌的民间形式基因、九十年代诗歌的口语与先锋性等一揽子诗学问题。“这些需要经由宏观、中观、微观层面的反复‘可变焦阅读’，调动文学研究者多年积累才能有所发现——这正是计算批评要解决的‘深水区’难题。”赵薇解释，“如果止步于远读或技术应用，那和图书情报信管领域的探索没有本质区别。”
通过构造“观念模型”来与传统诗学问题对话，而非像传统研究那样单纯聚焦于“新诗韵律”本身，正是计算批评的独特之处。随后，团队将研究的“副产品”——经过节奏精标的几千首新诗语料——发布到平台上，使之成为新诗研究的数字基础设施的一部分。
这种“以建设养研究，以研究带动建设”的文科实验室路径并非凭空而来。赵薇早在2014年就尝试将数字人文方法运用于比较文学的博士论文中。在美国芝加哥大学文本光学实验室做现当代文学研究期间，她注意到欧美文学实验室的独特活力：“一两位牵头学者，十几位来自不同学科却旨趣相投的年轻人，大胆引入量化方法，在密集的研讨中碰撞出有意思的想法，再花数年时间一点点实现。”但她也意识到，这些实验室多以西方语言和语料为主体，针对中国文学的研究几乎空白。“我参与过的ARTFL项目中的数字语文学平台‘PhiloLogic’收录了中国文学期刊和史集语料，但这类资源在国内鲜为人知，更别说自主开发了。”
2023年底，中国社会科学院启动哲学社会科学实验室孵化计划，赵薇牵头申报的“数字人文与计算批评实验室”终于落地——这颗酝酿了十年的种子找到了土壤。
很少有人知道，这家国内领先的文学数字人文实验室，根系扎在20世纪80年代的古籍整理工作中。
彼时，钱锺书先生在中国社会科学院文学研究所倡导创建计算机室，助手栾贵明带领团队在“仓颉码”基础上自建大型字库，录入古文献，尝试把计算机技术引入中国古典文献的搜集、整理和疏证中，先后完成“《论语》逐字索引”“诸子集成数据库”等古籍数字化系统，其中，“《全唐诗》速检系统”获得国家科技进步奖三等奖。
2004年，中国社会科学院文学研究所成立数字信息研究室（现更名为“数字人文研究室”），郑永晓、刘京臣等学者接续深耕，建成“元代文献数据库”“百年《红楼梦》数据库”等一批有影响力的数字文献学项目。2024年，该研究室被中国人民大学数字人文研究院认定为中国大陆第一个数字人文研究机构。
如今实验室依托的数字人文研究室，40余年来承袭一脉学统，未曾中辍。核心团队成员具有学科交叉背景：既有理科出身，投身现代文学、文学理论和比较文学研究的成熟学者，也有擅长自然语言处理且研究古代文学的青年技术骨干，还有本科和研究生阶段专修计算机与人工智能，却醉心于明清近代诗歌与诗学的跨学科人才；外围合作网络则延伸到清华大学、上海图书馆、中国社会科学院大学、美国芝加哥大学等机构。这种结构刚好适配数字人文的研究特性：以具体研究项目为牵引、以问题为中心完成跨学科协同攻关。
正在研发的“版本谱系智能体”就是典型例子。赵薇在与文学研究所现代文学研究室副研究员段美乔的交流中，确立了文本相似度计算和谱系树可视化的基本框架，由段美乔提供曹禺话剧《日出》的七个版本，实验室成员王子尧完成OCR识别，王鹭、许佳璐、陈纬宇等做文本校对，实验室技术负责人、中国社会科学院文学研究所助理研究员程宁调用生成式模型的学习推理能力，很快完成了开发。
“目前版本谱系智能体已经迭代到2.0版本，不仅印证了段美乔的一套版本谱系理论，更可以用异文的自动发现代替以往繁难艰巨的两两对勘工作，还能将版本之间的承续演化关系推断出来，并给出依据和置信区间，通过两层判断，为版本学家提供可检验的证据链。这个过程中既有对智能体的运用，也有人工规则的加入。”赵薇说。目前团队已将《随园诗话》《雷雨》等文本的多个版本纳入测试，并与同济大学中文系教授祝宇红及多位文献学家合作推进验证，未来这套流程或可推广至整个现代文学文献学领域，探求基础设施建设与计算批评研究的结合之道，特别是“作为计算批评的校勘批评”的可能。
国内数字人文项目曾长期陷入两个误区：要么止步于“建数据库”，把几百万册文献扫进电脑，仅供研究者查询之用；要么盲目追逐新技术，用复杂的深度学习模型跑出一堆没人能解释的结果，经不起推敲。赵薇认为，人文实验室的核心竞争力恰恰是“能够在建造中思辨”。
“计算批评是在实践中形成的方法论，其重点在于让量化建模构成推理、论证的重要环节，同时强调人文学者要有办法让自身的反思意识进入模型检验环节——不再是你建了一个什么样的模型，别人就要相信什么。”
这种理念最直观地体现在对读上。所谓对读，是指人文学者充分利用算法带来的洞察力，带着自己的真实感受，回到文本和问题发生的历史脉络里，与模型计算出来的结果反复碰撞。在这个过程中，或有新的发现，或激活曾经的话题——这恰是人的主体性的体现。实验室团队选择用审美感兴的细读经验去对读算法。
在一项对20世纪美国生态批评话语与小说写作关系的研究中，赵薇和当时还是清华大学人文学院本科生的康吉赢找出“最高泛生态性”段落做历史文化细读，继而不断放松相关性尺度，通过取差值的办法对“泛生态性”的表征本身做反观和检验，即对建模的再建模。“这种反思性的步骤对于人文研究极其重要，它打通了远读的宏观尺度和细读的具身经验，最终体现为‘数据→模型→细读→理论→数据’的阐释循环，在不断迭代中趋近于理想结果。”赵薇表示，这一阐释循环的提出建立在计算社会科学的方法论上，又加入了细读的关键环节，试图调和大数据带来的“数据驱动”与传统“假设—检验”之间的矛盾。
人工智能时代，高维向量计算往往带来前所未有的复杂度，使这类模型无法再充当“阐释工具”。为了避免此类“黑箱”效应，团队优先选用可解释性强的模型，而非一味追求复杂深度学习。“譬如在节奏观念研究中，更高级的模型或许能带来更好的分类效果，但每一个节奏特征究竟是什么，将不再是人能够理解的，人文学者也无法返回文本中对特征做细读，更谈不上反思。”赵薇提出，现有各种逆向工程技术，或通过变化输入、观察输出来推测生成式模型的内部机制，但从根本上看，这种可解释性和人文学者需要的可解释性完全不是一回事。“意义的获得是一个漫长的历史层累过程，不是一朝一夕的‘编码—解码’操作就可以完成的，这恰恰是文化的价值所在，是人文的存身之本。”
在文学阐释和批评这类“高级任务”上，建模的目的是促成对问题的理解。因此，团队在不需要了解中间过程的工具性任务上大胆使用人工智能，构建基于RAG架构的知识库，以应对大模型的“幻觉”问题，同时保证所有输出可溯源、可引证；在复杂任务上，让大模型成为提升推理能力的引擎，但必须给出依据和可信区间来辅助判断。
为避免数字人文沦为新自由主义的工具，推动领域生态健康发展，团队将“反黑箱”写入了实验室的生产规则：官网开设“项目公开”板块，展示数字人文项目协同攻关全过程，以工作日志的形式让外界了解每个人的分工和职责；平台所有模块标注合作开发者姓名；成果署名必须体现真实贡献。“现在很多纯文科老师不懂技术，学生承担了大部分数据和计算工作，最后署名却只能挂在老师名下。”赵薇说：“这本质上是学术劳动的隐形剥削。我们想打造一种全程透明、公开、可追溯的数字人文生产模式，让年轻人愿意投身这一领域，而不用担心自己的劳动被埋没。”
对普通研究者来说，实验室最具体的贡献是提供了一套日臻完善的数字基础设施。程宁介绍，目前团队已建立“平台+网站+多语料库+多工具”的整体架构。其中，数字人文与计算批评研究平台“文渊知能”是核心载体，主要承担数据汇聚、知识组织、智能应用和文献处理等功能；实验室网站则发挥成果展示、项目公开和学术交流作用。
“文渊知能”平台的功能围绕文学研究需求设计，层层递进。
第一层，语料库检索。平台的语料库检索模块充分吸收语料库语言学的基本方法，建设诗歌、近现代小说、文学期刊、古文、戏曲等文学语料库分析系统，供大规模、长时段文史研究之用。现阶段围绕古典诗歌和现代汉诗等重点资源，提供多维度检索、搭配分析、频率统计、时序分析与文本比较等远读功能。研究者可按作者、时代、体裁、关键词等条件进行自然语言的语义查询，观察特定词语意象或文体特征、文学观念在不同时期和群体中的分布变化。输入“长安”这一古诗中常见的地点意象，不仅能看到它出现的频次，还能按作者分布、时序做交叉统计，为“明代文人宗唐”等传统议题提供不同粒度、角度的新观察，或找出与“长安一片月”意境相近的历代诗句。
“很多人以为语料库就是把书扫进电脑，其实最难的是前面的数据清洗和标注。”王子尧说。以现代汉诗为例，从文献搜集、扫描识别，到文本校勘、数据清洗、格式统一，再到元数据精标，每一步都耗时费力。中国文学文献跨越数千年，不同时代的文本形态、出版状况与书写规范差异极大，几乎无法用统一标准处理，这决定了高质量专题语料库只能靠多年持续积累。“我们之所以坚持建设各体文学和文学期刊的大型语料库，是因为它们正在成为未来文学、文化研究不可或缺的基础设施。”
第二层，文本分析工具链。这一部分集成了古文断句标点、分词与词性标注、命名实体、关系抽取、文本比对等基本工具，并调用大模型实现自定义的实体发现、关系发现和小说对话角色标注、语义分析、文本比对，将线性历史叙述转化为知识图谱，实现了从“可检索”到“可分析”再到“可结构化”的升级。研究者还可以上传自有文献资料建库，选择汇聚共享或私用模式，调用各种工具，也可以自定义“意象”“叙事角色”“交游关系”等分析对象，由平台辅助完成识别、归类和关系型数据建构，缓解了人工标注成本高、标准难统一的问题。
第三层，知识库和智能体模块。依托专题语料库，可以对底层文献进行综合调用、总结归纳和进一步的知识组织和智能提升。其中，中国新诗编年史知识库充分利用刘福春的巨制《中国新诗编年史》中丰富的人、地、时、社群、活动、著作、引用等实体信息。“这同样是实验室与现代文学研究室合作的产物。只要提问巧妙，就有可能揭示出著者自己也未必意识到的潜在写作脉络，相当于把静态的工具书变成活的专家分身。”王子尧介绍。目前还在实现编年史与具体文本、文献的深度关联，希望有助于解决中国新诗史料分散、线索难以梳理的问题。
“总的来看，平台建设的目标是将文学研究中的数据资源、分析工具和智能服务勾连起来，并保持与外界息息相通的状态。”程宁总结道。
尽管成果不断，实验室依然面临现实困境，最突出的难题是评价体系的滞后。
赵薇直言，数字人文在人工智能时代有望达到成果产出的高峰。然而，当数据与技术真正重塑证据链和底层方法论时，平台、软件著作、数字工具、模型以及跨学科论文等成果却仍然难以纳入评价体系。“一项合作研究往往历时五六年，从文献收集、OCR、语料清洗，到数据标注、实验设计、计算建模、模型检验、细读、再建模、再检验、数据分析、批评阐释，是从0到1的艰难摸索。最后按传统体式写成文学论文，却因署名规则限制或找不到合适的编辑、评审专家而被拒之门外，只能拆成碎片投向理工类刊物或海外期刊。”赵薇说。
更深层的问题是学科认知的隔阂。传统文学界对量化的接受度依然有限，部分学者觉得“用数据研究文学是不务正业”；技术圈又常常低估人文研究的复杂性，觉得“给点数据就能出结果”。“我们现在做的新诗节奏、唐诗语汇、生态批评、小说人物观流变等研究，都是前几年就开始布局的，不可能一蹴而就。”赵薇说：“数字人文本质上是一场马拉松式的科研攻坚战，而非短平快的百米冲刺。一个能切实推动人文问题的项目，往往历时数载，要求一支有准备、有实力、耐得住寂寞的队伍长期投入，更需要探索人文学科在体制机制方面的创新。”
2023年以来，实验室团队连续在ADHO国际数字人文大会、中国数字人文年会、东亚古籍数字人文会议以及海内外重要刊物上发表论文，关于新诗节奏建模、生态书写、古典诗歌互文性等方向的研究成果得到海外学者认可。“海外和中国港台地区的专家最看重的仍然是那些历时漫长、在文本表示和问题开掘深度上下了功夫的研究设计。”赵薇提到。
近两年，实验室在全力推进建设的同时，也在积极探索适应人工智能时代的哲学社会科学科研组织形态。值得欣慰的是，团队的坚持开始得到回应。2026年初，在中国社会科学院文学研究所党委推动下，实验室促成了国内文学顶刊署名规则的革新，为避免一人独占团队合作成果现象，首次将“新兴交叉学科成果”纳入独作署名规则的例外范畴，且允许标注多位作者的具体分工。“所里为我们开疆拓土给予了很大理解与支持。这种立足学术发展实际、锐意求新的改革，也是正确政绩观的体现。”赵薇感叹，这个过程异常艰难，这只是第一步，“接下来期待文学期刊界在审稿机制、文章写法、篇幅体量等方面探索出可行的兼容性原则，比如实行‘领域专家+数字学者’双审制”。
站在2026年的时间节点回望，实验室的“破圈”从来不是要取代传统文学研究，而是给它多准备一条观察和体认世界的路径。
当钱锺书先生当年构想的“计算机整理古籍”变成今天可检索、可计算、可阐释的智能平台，当80年代“仓颉码”的草创尝试进化为大模型的协同工作能力——这条路的终点不只是更高效的研究方法，更是一种适应数字时代的人文精神。技术永远在迭代，但对文学的热爱，对意义和机制的追问、反思与批判，始终是这一切的起点。
未来，实验室将继续与有关部门保持积极沟通，期待可以摸索出一套全周期、立体化、人性化的支撑保障机制，在人才、资金、有组织科研、成果发表与评价等各环节理顺关系、打通堵点，让更多科研成果在与传统学问的对话中产生真实、长远的影响力。“我们不求快，只求每一步都踩实，等到下一个时代的人回头看，会说我们这代人没有辜负这个节点——这就够了。”赵薇说。
来源：中国社会科学报
责任编辑：高莹
新媒体编辑：张雨楠
转载自“中国社会科学网”公众号
阅读原文
跳转微信打开
登录