這項(xiàng)由荷蘭伊拉斯姆斯大學(xué)鹿特丹分校與英國(guó)開放大學(xué)聯(lián)合開展的研究，以預(yù)印本形式于2026年4月13日發(fā)布在arXiv平臺(tái)，編號(hào)為arXiv:2604.11152v1。這是一篇中間階段的技術(shù)報(bào)告，距離最終完成尚有一段路程，但研究團(tuán)隊(duì)選擇提前公開成果，正是為了聽取各方反饋——這本身就體現(xiàn)了一種與主流AI開發(fā)截然不同的態(tài)度。

**一、一個(gè)讓人感到不安的問(wèn)題**

每次打開ChatGPT，你是否有過(guò)這樣的感受：輸入一個(gè)問(wèn)題，幾秒鐘后一篇看起來(lái)像模像樣的文章就出現(xiàn)在屏幕上，行云流水，言之成理，卻又總讓你覺(jué)得少了點(diǎn)什么？那種感覺(jué)就像是去餐廳點(diǎn)了一道招牌菜，端上來(lái)的卻是速凍食品加熱后的模樣——形狀對(duì)，味道卻不太對(duì)。

對(duì)于社會(huì)科學(xué)和人文學(xué)科（這兩個(gè)領(lǐng)域合稱SSH，涵蓋歷史、哲學(xué)、社會(huì)學(xué)、政治學(xué)、法學(xué)、語(yǔ)言學(xué)、藝術(shù)等幾乎所有以"人"為核心的學(xué)問(wèn)）的學(xué)者來(lái)說(shuō)，這種不安感尤其強(qiáng)烈。這些學(xué)科的核心不是給出標(biāo)準(zhǔn)答案，而是不斷提問(wèn)、質(zhì)疑、重構(gòu)，甚至顛覆現(xiàn)有的認(rèn)知框架。當(dāng)一個(gè)AI系統(tǒng)開始替你"生成"論文、"生成"觀點(diǎn)，它實(shí)際上是在用一種高度標(biāo)準(zhǔn)化的語(yǔ)言，把本來(lái)應(yīng)該充滿張力和探索性的學(xué)術(shù)思考變成了一碗速食粥。

荷蘭伊拉斯姆斯大學(xué)的研究團(tuán)隊(duì)正是被這個(gè)問(wèn)題困擾著。他們的核心追問(wèn)是：AI語(yǔ)言技術(shù)真的只能以這種方式被使用嗎？答案是否定的。他們提出了一套全新的方案，叫做SHARE（社會(huì)人文AI研究與教育系統(tǒng)）和MIRROR（模型反思性研究輸出修訂界面）。這不是另一個(gè)ChatGPT，而是一個(gè)完全不同哲學(xué)取向的工具——它的設(shè)計(jì)目標(biāo)不是替你寫作，而是幫你更清晰地看見自己寫了什么。

**二、現(xiàn)有AI系統(tǒng)的根本問(wèn)題在哪里**

要理解這個(gè)研究為什么重要，先得搞清楚目前的AI語(yǔ)言模型是怎么運(yùn)作的，以及為什么它對(duì)人文社科學(xué)者來(lái)說(shuō)存在根本性的問(wèn)題。

現(xiàn)在我們用的大型語(yǔ)言模型，無(wú)論是ChatGPT、Claude還是Gemini，本質(zhì)上都是在做一件事：預(yù)測(cè)"接下來(lái)最可能出現(xiàn)的詞"。你輸入"太陽(yáng)從東方"，它就會(huì)補(bǔ)上"升起"，因?yàn)樵谒娺^(guò)的海量文本里，這個(gè)搭配出現(xiàn)的頻率最高。這種能力讓它可以寫出語(yǔ)法通順、邏輯連貫的文章，但同時(shí)也意味著它天然傾向于產(chǎn)出"最常見的說(shuō)法"，而不是"最有洞見的說(shuō)法"。

這對(duì)人文社科是致命的。一個(gè)哲學(xué)研究者的價(jià)值，恰恰在于他能提出一個(gè)讓人猝不及防、之前沒(méi)人想到過(guò)的論點(diǎn)。一個(gè)歷史學(xué)家的貢獻(xiàn)，可能是把一段被主流敘事長(zhǎng)期忽視的地方性經(jīng)驗(yàn)重新帶入視野。一個(gè)社會(huì)學(xué)研究者的洞見，可能來(lái)自于刻意反對(duì)某種已經(jīng)被學(xué)界視為常識(shí)的解釋框架。這些都是對(duì)"期望"的違背，是對(duì)常規(guī)表達(dá)的偏離——而恰恰是這種偏離，構(gòu)成了人文社科學(xué)術(shù)貢獻(xiàn)的核心。

問(wèn)題還不止于此?，F(xiàn)有的大型語(yǔ)言模型幾乎都是用互聯(lián)網(wǎng)上的通用數(shù)據(jù)訓(xùn)練出來(lái)的，STEM領(lǐng)域（科學(xué)、技術(shù)、工程、數(shù)學(xué)）的內(nèi)容在其中占據(jù)壓倒性比例。數(shù)學(xué)證明、編程代碼、化學(xué)實(shí)驗(yàn)報(bào)告——這些領(lǐng)域的知識(shí)有明確的對(duì)錯(cuò)標(biāo)準(zhǔn)，可以用來(lái)驗(yàn)證AI的推理能力。相比之下，人文社科的知識(shí)是高度情境化、解釋性的，沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)答案。這導(dǎo)致主流AI模型在人文社科方面的訓(xùn)練本來(lái)就不充分，又因?yàn)闆](méi)有合適的方法來(lái)衡量它在這些領(lǐng)域的表現(xiàn)，整個(gè)領(lǐng)域的AI開發(fā)形成了一種系統(tǒng)性的偏見：STEM領(lǐng)域的AI工具越來(lái)越精良，而人文社科領(lǐng)域幾乎被忽視。

更麻煩的是，當(dāng)商業(yè)AI公司出于安全和合規(guī)考慮對(duì)模型進(jìn)行"價(jià)值對(duì)齊"時(shí)——比如讓模型拒絕回答涉及仇恨言論或種族歧視的問(wèn)題——這其實(shí)無(wú)意間堵死了人文社科研究者正當(dāng)?shù)膶W(xué)術(shù)需求。研究種族歧視的社會(huì)學(xué)家，研究歷史上暴力事件的歷史學(xué)家，研究極端主義話語(yǔ)的政治學(xué)家，都可能因?yàn)槟Ｐ偷陌踩^(guò)濾而無(wú)法得到需要的內(nèi)容。這不是模型在保護(hù)他們，而是在阻礙他們。

**三、SHARE是什么，它是怎么被造出來(lái)的**

SHARE是一個(gè)從零開始專為人文社科領(lǐng)域訓(xùn)練的語(yǔ)言模型。與其他模型最根本的區(qū)別在于：它的"食譜"只有人文社科的"食材"。

先說(shuō)數(shù)據(jù)來(lái)源。研究團(tuán)隊(duì)從三個(gè)大類的語(yǔ)料庫(kù)中篩選內(nèi)容。第一類是維基百科，他們沒(méi)有把所有詞條都納入，而是根據(jù)維基百科自己的主題分類系統(tǒng)，專門選取與商業(yè)、傳播、文化、經(jīng)濟(jì)、教育、地理、政府、歷史、人類行為、人文、語(yǔ)言、法律、哲學(xué)、政治、宗教、社會(huì)等相關(guān)的條目，同時(shí)排除了動(dòng)植物通訊等非人類社會(huì)內(nèi)容，并且對(duì)"科學(xué)"類別只保留社會(huì)科學(xué)和形式科學(xué)部分。第二類是古騰堡計(jì)劃的書庫(kù)，這是一個(gè)以公共領(lǐng)域歷史書籍為主的數(shù)字圖書館。研究團(tuán)隊(duì)根據(jù)美國(guó)國(guó)會(huì)圖書館的分類編號(hào)，選取了哲學(xué)與心理學(xué)、歷史、地理與人類學(xué)、社會(huì)科學(xué)、政治學(xué)、法學(xué)、教育、音樂(lè)、美術(shù)等類別的書籍。第三類也是最重要的一類，是學(xué)術(shù)論文，主要來(lái)自兩個(gè)大型開放獲取數(shù)據(jù)庫(kù)：PeS2o（包含約4000萬(wàn)篇開放獲取學(xué)術(shù)論文，源自語(yǔ)義學(xué)者開放研究語(yǔ)料庫(kù)）和CORE（一個(gè)由英國(guó)開放大學(xué)運(yùn)營(yíng)的大型學(xué)術(shù)內(nèi)容聚合平臺(tái)，截至2025年5月已收錄約4920萬(wàn)篇全文學(xué)術(shù)文檔和4.49億條元數(shù)據(jù)記錄）。

為了從這些龐大的數(shù)據(jù)庫(kù)中精準(zhǔn)提取人文社科內(nèi)容，研究團(tuán)隊(duì)采用了一種混合策略。當(dāng)數(shù)據(jù)庫(kù)本身提供了學(xué)科分類元數(shù)據(jù)時(shí)，他們直接利用這些標(biāo)簽進(jìn)行篩選。當(dāng)沒(méi)有現(xiàn)成標(biāo)簽時(shí)，他們使用了AllenAI（美國(guó)艾倫人工智能研究所）開發(fā)的學(xué)科分類器，自動(dòng)判斷一篇文章屬于哪個(gè)學(xué)科領(lǐng)域。最終保留的學(xué)科包括藝術(shù)、商業(yè)、經(jīng)濟(jì)學(xué)、地理、教育、歷史、法學(xué)、語(yǔ)言學(xué)、哲學(xué)、政治學(xué)、心理學(xué)和社會(huì)學(xué)。

關(guān)于模型的架構(gòu)，研究團(tuán)隊(duì)選擇了微軟Phi-4的結(jié)構(gòu)作為基礎(chǔ)框架，但把它的"詞典"換成了自己從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)出來(lái)的版本。原版Phi-4的詞典有約10萬(wàn)個(gè)詞條，而SHARE的詞典只有5萬(wàn)個(gè)，這是因?yàn)橛?xùn)練數(shù)據(jù)主要是英文和荷蘭文，不需要那么多詞條也能有效處理高度專業(yè)化的學(xué)術(shù)文本。研究團(tuán)隊(duì)同樣訓(xùn)練了兩個(gè)規(guī)模的模型：參數(shù)量約39億的SHARE-4B，以及參數(shù)量約140億的SHARE-14B，分別對(duì)應(yīng)Phi-4-mini和Phi-4的規(guī)模。

訓(xùn)練過(guò)程的細(xì)節(jié)也相當(dāng)值得了解。SHARE-4B的訓(xùn)練得到了英偉達(dá)學(xué)術(shù)資助的支持，在一個(gè)叫做Saturn Cloud的云計(jì)算環(huán)境中，用8塊英偉達(dá)A100 GPU跑了656小時(shí)，完成了280億個(gè)詞條的兩輪訓(xùn)練。這個(gè)訓(xùn)練過(guò)程產(chǎn)生的碳排放量大約相當(dāng)于一張從阿姆斯特丹飛往紐約的經(jīng)濟(jì)艙單程機(jī)票。SHARE-14B目前仍在訓(xùn)練中，已經(jīng)處理了960億個(gè)詞條，最終目標(biāo)是完成6300億詞條的計(jì)算最優(yōu)訓(xùn)練量，也就是說(shuō)在這份技術(shù)報(bào)告發(fā)布時(shí)，14B模型只完成了15%的訓(xùn)練。這部分訓(xùn)練先在Saturn Cloud的8塊A100 GPU上跑了167小時(shí)，后來(lái)轉(zhuǎn)移到荷蘭國(guó)家超級(jí)計(jì)算機(jī)Snellius上，使用20塊H100 GPU并行運(yùn)算了約225小時(shí)。團(tuán)隊(duì)還特別強(qiáng)調(diào)，他們?yōu)榇_保高效運(yùn)算花了相當(dāng)大的工夫，使用了多種加速技術(shù)。

**四、MIRROR：一個(gè)"不生成任何文字"的AI界面**

SHARE模型做好了之后，研究團(tuán)隊(duì)面臨一個(gè)關(guān)鍵決定：怎么讓人們使用它？

通常的路徑是：在預(yù)訓(xùn)練完成后，進(jìn)行監(jiān)督微調(diào)（讓模型學(xué)會(huì)回答問(wèn)題），然后做價(jià)值對(duì)齊（讓模型學(xué)會(huì)拒絕有害請(qǐng)求）。但研究團(tuán)隊(duì)決定不走這條路，原因有幾個(gè)。其一，根本沒(méi)有專門為人文社科設(shè)計(jì)的微調(diào)數(shù)據(jù)集。其二，如前所述，通用的價(jià)值對(duì)齊會(huì)干擾人文社科的正當(dāng)研究需求。其三，他們?cè)趯?shí)驗(yàn)中發(fā)現(xiàn)，對(duì)SHARE進(jìn)行通用的微調(diào)之后，模型生成文本的質(zhì)量反而下降了，這與近期其他研究的發(fā)現(xiàn)一致。

正因如此，他們決定讓SHARE保持在純粹的預(yù)訓(xùn)練狀態(tài)，并為它設(shè)計(jì)一種完全不同的使用方式。

MIRROR的核心邏輯是這樣的：一個(gè)只用人文社科文本訓(xùn)練出來(lái)的語(yǔ)言模型，當(dāng)它預(yù)測(cè)"下一個(gè)詞最可能是什么"的時(shí)候，它實(shí)際上是在表達(dá)人文社科文本的"平均期望"。如果你寫的某個(gè)詞在這個(gè)模型看來(lái)是高度出乎意料的，那要么是你犯了個(gè)錯(cuò)誤，要么是你寫出了真正有原創(chuàng)性的內(nèi)容。這兩種情況都值得你停下來(lái)想一想。

具體操作是這樣的：你把一段文字輸入MIRROR，它不會(huì)生成任何新的內(nèi)容，而是對(duì)你文字中的每一個(gè)詞計(jì)算一個(gè)"意外程度分?jǐn)?shù)"。分?jǐn)?shù)越高，說(shuō)明這個(gè)詞在人文社科的語(yǔ)境下越出乎意料。然后，這些詞會(huì)在屏幕上用顏色深淺來(lái)顯示——顏色越深，說(shuō)明越意外。

背后的數(shù)學(xué)并不復(fù)雜，但值得了解一下。研究團(tuán)隊(duì)計(jì)算了每個(gè)詞的"驚訝度"（簡(jiǎn)單說(shuō)就是：這個(gè)詞有多不像模型預(yù)測(cè)的那個(gè)詞），以及整個(gè)詞庫(kù)在這個(gè)位置的"混亂度"（簡(jiǎn)單說(shuō)就是：模型在這個(gè)位置本來(lái)就沒(méi)有特別確定的預(yù)測(cè)，所以意外性本身意義不大）。把這兩個(gè)指標(biāo)結(jié)合起來(lái)，得到每個(gè)詞的Z分?jǐn)?shù)——這是統(tǒng)計(jì)學(xué)中衡量"與正常情況偏離了多少個(gè)標(biāo)準(zhǔn)差"的指標(biāo)。Z分?jǐn)?shù)高的詞就會(huì)被MIRROR用深色標(biāo)注出來(lái)，提示作者："嘿，這里有點(diǎn)不尋常，你要不要看一看？"

當(dāng)你把鼠標(biāo)懸停在某個(gè)被標(biāo)注的詞上時(shí)，MIRROR還會(huì)顯示"模型原本最期待在這里出現(xiàn)的詞是什么"，呈現(xiàn)出一個(gè)類似詞典輔助功能但性質(zhì)完全不同的東西——不是告訴你這個(gè)詞的同義詞，而是告訴你在這個(gè)上下文里，整個(gè)人文社科文獻(xiàn)中最常用的詞是什么。

除了這個(gè)基本的詞級(jí)標(biāo)注，MIRROR還提供幾種擴(kuò)展視圖。一種是把文章中所有被標(biāo)注詞按意外程度排名，讓你一眼看出哪些地方最特別。另一種是反過(guò)來(lái)看：在你的文章里，模型覺(jué)得"應(yīng)該出現(xiàn)但實(shí)際上沒(méi)出現(xiàn)"的詞是哪些，讓你思考是否有什么重要概念被自己忽略了。還可以按句子或段落來(lái)匯總意外性分?jǐn)?shù)，幫助你從更宏觀的角度了解哪些部分最符合領(lǐng)域常規(guī)，哪些部分最具獨(dú)特性。

這個(gè)界面的設(shè)計(jì)靈感來(lái)自一種叫做"期望違背理論"的學(xué)術(shù)框架。這個(gè)理論來(lái)自人際傳播研究，它提出一個(gè)看似反直覺(jué)的觀點(diǎn)：違背期望有時(shí)候比符合期望更好。在人文社科的寫作中，這個(gè)原理格外適用。期望的違背可能意味著錯(cuò)誤，也可能意味著創(chuàng)新。MIRROR的作用就是把這些違背期望的地方標(biāo)示出來(lái)，讓作者自己來(lái)判斷：這是一個(gè)需要修改的錯(cuò)誤，還是一個(gè)值得保留的創(chuàng)新？

**五、這個(gè)系統(tǒng)有多好用：三類測(cè)試的完整結(jié)果**

研究團(tuán)隊(duì)通過(guò)三個(gè)層次的測(cè)試來(lái)評(píng)估SHARE的實(shí)際表現(xiàn)。

第一個(gè)層次是驗(yàn)證SHARE是否真的比通用模型更適合人文社科文本。他們用的方法是測(cè)量"困惑度"——這是語(yǔ)言模型領(lǐng)域衡量"模型對(duì)一段文字有多不確定"的指標(biāo)，值越低說(shuō)明模型越能理解這段文字。他們用的測(cè)試素材是2025年第三季度和第四季度在伊拉斯姆斯大學(xué)鹿特丹發(fā)表的論文摘要，這批摘要不在SHARE的訓(xùn)練數(shù)據(jù)中，可以公平地測(cè)試模型的真實(shí)能力。對(duì)比的基準(zhǔn)是Phi-4模型（與SHARE架構(gòu)相同的通用模型），比較兩者在理解不同學(xué)科論文時(shí)困惑度的差異。

結(jié)果顯示，在藝術(shù)、教育、社會(huì)學(xué)這些典型人文社科領(lǐng)域，SHARE與Phi-4之間的困惑度差距明顯小于生物、工程、醫(yī)學(xué)這些STEM領(lǐng)域——這說(shuō)明SHARE在人文社科領(lǐng)域的理解能力相比Phi-4確實(shí)有更高的相對(duì)專業(yè)性。以學(xué)院為單位來(lái)看，伊拉斯姆斯大學(xué)醫(yī)學(xué)中心的論文與SHARE的契合度在所有學(xué)院中最低，而歷史文化傳播學(xué)院、法學(xué)院、社會(huì)行為科學(xué)學(xué)院的契合度則明顯更高，這與直覺(jué)完全一致。

不過(guò)，Phi-4在絕對(duì)困惑度數(shù)值上仍然總體低于SHARE，也就是說(shuō)通用性能上Phi-4更強(qiáng)。研究團(tuán)隊(duì)把這歸因于訓(xùn)練數(shù)據(jù)量的巨大差距：Phi-4用了約萬(wàn)億規(guī)模的詞條，而SHARE只用了數(shù)百億，對(duì)英語(yǔ)本身的掌握自然沒(méi)有Phi-4那么全面。這個(gè)局限性引出了第二個(gè)測(cè)試。

第二個(gè)層次是專門為這項(xiàng)研究設(shè)計(jì)的"SSH完形填空基準(zhǔn)測(cè)試"。完形填空是語(yǔ)言學(xué)習(xí)中的一種經(jīng)典測(cè)試形式——把一個(gè)句子中的某個(gè)詞挖掉，讓被測(cè)者猜是什么詞。研究團(tuán)隊(duì)把這個(gè)方法改造成一種專門測(cè)試人文社科領(lǐng)域知識(shí)的工具。

具體做法是這樣的：他們從2026年第一季度發(fā)表的275篇人文社科領(lǐng)域?qū)W術(shù)摘要（這批摘要肯定不在任何模型的訓(xùn)練數(shù)據(jù)中，保證了測(cè)試的公平性）中，找出需要學(xué)科背景知識(shí)才能判斷的詞對(duì)，比如"正向"vs"負(fù)向"、"更高"vs"更低"、"更大"vs"更小"。以"社交媒體使用與幸福感的相關(guān)性是負(fù)向的"這句話為例，要預(yù)測(cè)"是"字只需要懂英語(yǔ)語(yǔ)法，但要預(yù)測(cè)"負(fù)向"而不是"正向"，就需要了解相關(guān)的社會(huì)科學(xué)研究結(jié)果。這275個(gè)例子來(lái)自11個(gè)學(xué)科（藝術(shù)、商業(yè)、傳播、經(jīng)濟(jì)學(xué)、教育、地理、歷史、法學(xué)、哲學(xué)、心理學(xué)、社會(huì)學(xué)），每個(gè)學(xué)科25個(gè)例子，通過(guò)在Web of Science上搜索特定關(guān)鍵詞并按引用量排序來(lái)選取，盡可能代表各領(lǐng)域的標(biāo)志性研究成果。

測(cè)試結(jié)果相當(dāng)令人注目。SHARE-14B（僅完成了15%的訓(xùn)練?。┤〉昧?9.6%的修正準(zhǔn)確率，超過(guò)了完整訓(xùn)練完畢的OLMO-2-13B（73.8%）和Pythia-12B（61.5%），并且與架構(gòu)完全相同、完整訓(xùn)練完畢的Phi-4-14B（81.8%）僅差2個(gè)百分點(diǎn)——而Phi-4所用的訓(xùn)練詞條量是SHARE的100倍。從計(jì)算效率的角度看，SHARE-14B處于所有測(cè)試模型中效率最高的那個(gè)位置：用最少的計(jì)算量達(dá)到了最接近頂級(jí)的準(zhǔn)確率。SHARE-4B（66.2%）的表現(xiàn)也比同等規(guī)模的Pythia-3B（63.6%）略好，但低于參數(shù)量?jī)H1.1億卻專為社會(huì)科學(xué)摘要訓(xùn)練的SSciBERT模型（67.6%），這說(shuō)明在完形填空這類任務(wù)上，專為該任務(wù)設(shè)計(jì)的掩碼語(yǔ)言模型（即類似BERT的雙向模型，而非SHARE這類自回歸模型）仍有其優(yōu)勢(shì)。

第三個(gè)層次是定性測(cè)試，研究團(tuán)隊(duì)用四個(gè)具體案例展示了SHARE-MIRROR系統(tǒng)在真實(shí)使用場(chǎng)景中的表現(xiàn)。

第一個(gè)案例是錯(cuò)別字和風(fēng)格問(wèn)題檢測(cè)。研究團(tuán)隊(duì)用了一段受一年級(jí)本科生寫作啟發(fā)構(gòu)建的文本，里面故意埋入了錯(cuò)別字（"platforma"多了一個(gè)字母a）和不符合學(xué)術(shù)規(guī)范的風(fēng)格選擇（文章開頭直接引用、沒(méi)有給"Twitter"加引號(hào)、用"literary"代替"literature"）。兩個(gè)模型都成功標(biāo)注了錯(cuò)別字，14B模型還額外標(biāo)出了更微妙的風(fēng)格問(wèn)題，比如"But so"這種不常見的句子開頭方式。

第二個(gè)案例是內(nèi)容錯(cuò)誤檢測(cè)。研究團(tuán)隊(duì)構(gòu)造了一個(gè)把議程設(shè)置理論的發(fā)明者寫成了Gerbner和Katz（實(shí)際上是McCombs和Shaw）的錯(cuò)誤陳述。兩個(gè)模型在"proposed by"之后都預(yù)測(cè)"McC"（即McCombs的開頭）是最可能出現(xiàn)的詞，但只有14B模型的置信度高到足以觸發(fā)紅色標(biāo)注。這個(gè)案例還揭示了一個(gè)重要的使用原則：如果文本前面已經(jīng)有了一個(gè)錯(cuò)誤，模型會(huì)被這個(gè)錯(cuò)誤"帶偏"，對(duì)后續(xù)內(nèi)容的判斷也會(huì)受影響。因此，MIRROR在使用時(shí)應(yīng)當(dāng)從文章開頭開始逐步修改，而不是跳著來(lái)。

第三個(gè)案例展示了正面的期望違背，也就是真正的創(chuàng)新性內(nèi)容。研究團(tuán)隊(duì)用了一篇2026年關(guān)于社交媒體隱私的元分析文章的討論部分，這篇文章在隱私研究的語(yǔ)境中引入了平臺(tái)監(jiān)管、數(shù)字素養(yǎng)等不太常見的討論維度。模型標(biāo)注了"guide"（引導(dǎo)）、"platform"（平臺(tái)）、"literacy"（素養(yǎng)）等詞為意外詞——這不是錯(cuò)誤，而是這篇研究提出的獨(dú)特視角。研究團(tuán)隊(duì)還演示了"缺失詞"功能：模型認(rèn)為在這段文字中"應(yīng)該出現(xiàn)但沒(méi)有出現(xiàn)"的詞是什么？SHARE-4B給出了"section"、"safety"、"protection"，SHARE-14B給出了"ecosystems"、"designing"、"prioritize"。作者可以自己判斷這些"缺失詞"是否值得被納入討論。

第四個(gè)案例最為深刻。研究團(tuán)隊(duì)選取了傳播學(xué)者Gregory Gondwe在2025年國(guó)際傳播學(xué)會(huì)年會(huì)主席致辭回應(yīng)文章的第一段。這篇文章討論的是全球化傳播研究中長(zhǎng)期存在的地理偏見問(wèn)題——來(lái)自非洲的知識(shí)生產(chǎn)者被主流傳播學(xué)視野邊緣化。MIRROR標(biāo)注了大量詞匯為意外，包括"cosmopolitan"（世界主義）、"curiosity"（好奇心）、"African"（非洲的）和"locations"（地點(diǎn)）。更耐人尋味的是：當(dāng)模型看到"African"這個(gè)詞時(shí)，它最可能預(yù)測(cè)的下一個(gè)詞不是"continent"（大陸）或"scholars"（學(xué)者），而是"-"（破折號(hào)）和"American"——因?yàn)樵谡麄€(gè)英文人文社科文獻(xiàn)中，"African"最常見的用法是"African-American"（非裔美國(guó)人）。這個(gè)結(jié)果以一種幾乎不需要解釋的方式，用模型自身的偏見揭示了Gondwe文章所批評(píng)的那種結(jié)構(gòu)性偏見：即便是在學(xué)術(shù)文獻(xiàn)中，非洲作為獨(dú)立的知識(shí)來(lái)源也是"意外的"。

**六、為什么不做成聊天機(jī)器人，以及這意味著什么**

理解了SHARE和MIRROR的設(shè)計(jì)之后，有一個(gè)問(wèn)題可能已經(jīng)浮出水面：為什么不做成更熟悉的對(duì)話式AI？你說(shuō)一句話，它回一句話，這樣不是更方便嗎？

研究團(tuán)隊(duì)的選擇有著深思熟慮的理由。他們認(rèn)為，把語(yǔ)言模型做成一個(gè)能流暢對(duì)話的助手，本質(zhì)上是在鼓勵(lì)一種思維上的依賴關(guān)系。當(dāng)你把寫作任務(wù)交給一個(gè)對(duì)話AI，它給你一個(gè)答案，你接受或者微調(diào)，這個(gè)循環(huán)讓模型成了思考的主體，而你成了審核者。對(duì)于人文社科的學(xué)者來(lái)說(shuō)，這恰好顛倒了應(yīng)有的關(guān)系。

MIRROR的界面設(shè)計(jì)刻意沒(méi)有任何文字輸入框——不，準(zhǔn)確來(lái)說(shuō)是有一個(gè)輸入框，但你輸入的是你自己寫好的文章，而不是一個(gè)問(wèn)題或指令。輸出也不是一段生成的文字，而是對(duì)你已有文字的分析。這種設(shè)計(jì)讓AI始終處于工具的位置，而不是創(chuàng)作者的位置。

此外，研究團(tuán)隊(duì)也在擔(dān)心一種叫做"擬人化效應(yīng)"的心理現(xiàn)象：當(dāng)AI系統(tǒng)像人一樣跟你對(duì)話，你會(huì)不知不覺(jué)地開始把它的輸出當(dāng)成權(quán)威，賦予它一種它本不該擁有的可信度。歷史上有一個(gè)著名的例子叫做"ELIZA效應(yīng)"——1960年代麻省理工學(xué)院開發(fā)的早期聊天程序ELIZA，其實(shí)只是在用簡(jiǎn)單的規(guī)則模仿心理咨詢師說(shuō)話，但測(cè)試的人們卻對(duì)它產(chǎn)生了真實(shí)的情感依附，甚至有人把它當(dāng)成真正的治療師。研究團(tuán)隊(duì)認(rèn)為，現(xiàn)代的對(duì)話AI正在以更大的規(guī)模重演這個(gè)問(wèn)題，而MIRROR的非對(duì)話設(shè)計(jì)是一種刻意的對(duì)抗。

在數(shù)據(jù)使用的倫理方面，研究團(tuán)隊(duì)也做了相當(dāng)多的工作。他們用于訓(xùn)練的學(xué)術(shù)文獻(xiàn)都來(lái)自開放獲取來(lái)源，這些論文的作者讓自己的研究成為公共財(cái)富，是為了讓知識(shí)傳播，而不是為了讓商業(yè)公司從中牟利。研究團(tuán)隊(duì)為SHARE制定了一個(gè)叫做"負(fù)責(zé)任AI許可證"（RAIL）的自定義許可條款，明確禁止商業(yè)使用、禁止模型蒸餾（一種從大模型中提取知識(shí)來(lái)訓(xùn)練小模型的技術(shù)，如果允許的話商業(yè)公司可以繞過(guò)非商業(yè)限制），并且限制將模型用于自動(dòng)文本生成的應(yīng)用場(chǎng)景。

他們還特別注意數(shù)據(jù)處理的地理范圍：原始數(shù)據(jù)的預(yù)處理只在歐盟境內(nèi)的服務(wù)器上進(jìn)行，發(fā)送到美國(guó)云服務(wù)器進(jìn)行訓(xùn)練的數(shù)據(jù)已經(jīng)是處理后的詞條化形式，并在訓(xùn)練結(jié)束30天后刪除。這與歐盟通用數(shù)據(jù)保護(hù)條例的要求相符。

關(guān)于版權(quán)風(fēng)險(xiǎn)，研究團(tuán)隊(duì)通過(guò)實(shí)驗(yàn)證明SHARE模型并沒(méi)有"背誦"訓(xùn)練數(shù)據(jù)的問(wèn)題。當(dāng)他們用訓(xùn)練集中的文章片段來(lái)測(cè)試模型，讓它按確定性最高的方式逐詞續(xù)寫，模型生成的內(nèi)容很快就偏離了原文，說(shuō)明它沒(méi)有把這些文字原封不動(dòng)地記住。唯一能被"記住"的內(nèi)容是一些標(biāo)準(zhǔn)化的免責(zé)聲明和文件頭部信息，這些本來(lái)就不受版權(quán)保護(hù)。

**七、研究團(tuán)隊(duì)對(duì)局限性的坦誠(chéng)**

這項(xiàng)研究有一個(gè)相當(dāng)少見的特質(zhì)：研究團(tuán)隊(duì)對(duì)自己工作的局限性十分坦誠(chéng)，沒(méi)有試圖掩飾或淡化。

第一個(gè)已知局限是語(yǔ)言覆蓋面。盡管人文社科是一個(gè)全球性的學(xué)術(shù)領(lǐng)域，SHARE的訓(xùn)練數(shù)據(jù)主要是英文，以及少量荷蘭文。這意味著它對(duì)人文社科的"期望"是基于英語(yǔ)學(xué)術(shù)文獻(xiàn)的"期望"，這本身就是一種偏見——正如第四案例所揭示的，即使是英文開放獲取的人文社科文獻(xiàn)，也已經(jīng)因?yàn)闅v史上的殖民結(jié)構(gòu)而存在嚴(yán)重的地理和文化偏向。一個(gè)用這些文獻(xiàn)訓(xùn)練出來(lái)的模型，會(huì)把這些偏見內(nèi)化為"正常"，把來(lái)自非洲、亞洲、拉丁美洲的本土知識(shí)框架標(biāo)注為"意外"。研究團(tuán)隊(duì)認(rèn)為這個(gè)局限需要在未來(lái)迭代中通過(guò)納入多語(yǔ)種語(yǔ)料庫(kù)來(lái)解決，但他們同時(shí)也指出，這個(gè)問(wèn)題本身已經(jīng)是MIRROR可以讓人意識(shí)到的一種偏見——模型的局限性變成了可見的學(xué)術(shù)議題。

第二個(gè)局限是SHARE-14B在報(bào)告發(fā)布時(shí)只完成了15%的訓(xùn)練。這意味著目前公開的模型性能只是最終版本的預(yù)覽，很多能力還沒(méi)有完全發(fā)展出來(lái)。在完形填空測(cè)試中與Phi-4已經(jīng)相當(dāng)接近的表現(xiàn)，讓研究團(tuán)隊(duì)對(duì)完整訓(xùn)練后的結(jié)果持有信心，但這仍然是推斷，不是已證實(shí)的結(jié)論。

第三個(gè)局限是SSH完形填空基準(zhǔn)測(cè)試本身的局限性。275個(gè)例子、11個(gè)學(xué)科，這個(gè)規(guī)模還相對(duì)有限。此外，測(cè)試中選取的詞對(duì)（正向/負(fù)向、更高/更低等）并不完全能代表所有類型的領(lǐng)域知識(shí)，而且測(cè)試摘要中可能有一部分是用大型語(yǔ)言模型輔助寫成的，這會(huì)影響測(cè)試的干凈程度，盡管研究團(tuán)隊(duì)認(rèn)為這個(gè)風(fēng)險(xiǎn)相對(duì)可控。

第四個(gè)潛在風(fēng)險(xiǎn)是MIRROR本身的使用方式可能被誤用。如果讀者（比如論文審稿人）把MIRROR的輸出當(dāng)作一種捷徑——只關(guān)注紅色標(biāo)注的部分，把"出乎意料的多"直接等同于"寫得好"或"有創(chuàng)新性"——這就和研究團(tuán)隊(duì)的設(shè)計(jì)初衷背道而馳了。MIRROR是一個(gè)引發(fā)反思的工具，不是一個(gè)提供結(jié)論的工具。這種誤用的風(fēng)險(xiǎn)是真實(shí)存在的，而且目前沒(méi)有技術(shù)手段可以完全防止。

**說(shuō)到底，這項(xiàng)研究在做一件困難的事**

歸根結(jié)底，SHARE和MIRROR試圖解決的是一個(gè)從根源上就帶有張力的問(wèn)題：如何用本質(zhì)上是"預(yù)測(cè)常規(guī)"的技術(shù)，來(lái)支持本質(zhì)上是"創(chuàng)造非常規(guī)"的工作？

研究團(tuán)隊(duì)的回答是：不要試圖讓AI去模擬人文社科的創(chuàng)新，而是讓AI精確地告訴你什么是常規(guī)，然后由人來(lái)判斷自己的偏離是不是有意義的偏離。這個(gè)方案不能完全解決這個(gè)張力，但它至少把判斷權(quán)還給了人——把AI從一個(gè)生產(chǎn)者變成了一面鏡子。

這項(xiàng)由荷蘭伊拉斯姆斯大學(xué)鹿特丹分校與英國(guó)開放大學(xué)聯(lián)合發(fā)布的研究（arXiv:2604.11152v1，2026年4月13日），對(duì)所有關(guān)心AI與人文價(jià)值之間關(guān)系的人來(lái)說(shuō)，都是一個(gè)值得認(rèn)真思考的參照。如果你想了解更多，可以用論文編號(hào)arXiv:2604.11152在arXiv平臺(tái)上找到完整的技術(shù)報(bào)告，包括所有訓(xùn)練細(xì)節(jié)、基準(zhǔn)測(cè)試數(shù)據(jù)以及MIRROR的技術(shù)實(shí)現(xiàn)方式。

Q&A

Q1：SHARE模型和ChatGPT的根本區(qū)別是什么？

A：SHARE模型只用人文社科領(lǐng)域的文獻(xiàn)訓(xùn)練，沒(méi)有經(jīng)過(guò)"讓模型學(xué)會(huì)回答問(wèn)題"的微調(diào)，也沒(méi)有做商業(yè)AI常做的價(jià)值對(duì)齊處理。ChatGPT這類模型是用海量通用互聯(lián)網(wǎng)數(shù)據(jù)訓(xùn)練，然后進(jìn)一步調(diào)教成能流利對(duì)話的助手，設(shè)計(jì)目標(biāo)是生成用戶期望的回答。SHARE的設(shè)計(jì)目標(biāo)恰恰相反——它保留的是對(duì)人文社科文本"什么是常規(guī)"的原始判斷，而不是追求流利地生成文字。

Q2：MIRROR界面具體怎么用，普通學(xué)生能用上嗎？

A：使用方式是把自己寫好的文章粘貼進(jìn)MIRROR，系統(tǒng)會(huì)對(duì)每個(gè)詞計(jì)算"意外程度分?jǐn)?shù)"并用顏色深淺顯示出來(lái)。顏色越深說(shuō)明這個(gè)詞在人文社科文獻(xiàn)中越不常見。懸停在某個(gè)詞上還能看到模型"原本期待在這里出現(xiàn)的詞"。研究團(tuán)隊(duì)提到SHARE-4B的量化版本可以在只有CPU的普通筆記本電腦上運(yùn)行，未來(lái)有讓學(xué)生能在本地使用的潛力，但目前主要以研究原型的形式存在。

Q3：SSH完形填空基準(zhǔn)測(cè)試是如何保證公平性的？

A：研究團(tuán)隊(duì)專門選取了2026年第一季度發(fā)表的學(xué)術(shù)摘要作為測(cè)試素材，確保這些內(nèi)容在所有被測(cè)試模型的訓(xùn)練截止日期之后才出現(xiàn)，從根源上排除了"模型之前見過(guò)這些文字"的可能性。此外，所有被測(cè)試的詞對(duì)（正向/負(fù)向、更高/更低等）都是那種單靠英語(yǔ)語(yǔ)感無(wú)法判斷、必須了解該領(lǐng)域具體研究結(jié)論才能猜對(duì)的詞，專門用來(lái)測(cè)量領(lǐng)域知識(shí)而非語(yǔ)言能力本身。