用多模态大模型检测普拉多博物馆艺术品中的社会刻板印象

本文介绍了一个结合多模态大语言模型与SADCAT词典评分系统的计算框架，用于自动检测普拉多博物馆艺术品中蕴含的社会刻板印象，为文化遗产的数字化分析与伦理审查提供新思路。该研究旨在解决传统艺术分析难以系统性识别和量化藏品中社会刻板印象的问题，通过计算人文方法实现大规模视觉数据的自动化分析。

艺术史研究长期依赖人文学者主观解读，博物馆藏品中潜藏的性别、种族、社会阶层等社会刻板印象难以被系统性识别和量化。普拉多博物馆作为重要艺术博物馆，其跨世纪藏品承载丰富文化信息，也可能反映历史时期的偏见。传统方法难以处理大规模视觉数据，多模态大语言模型的出现为解决这一挑战提供新路径，结合计算机视觉与自然语言处理技术可实现艺术品自动化、可扩展的内容分析。

本项目核心计算流程包含三个组件：多模态大语言模型、SADCAT词典评分系统、刻板印象内容模型理论框架。多模态模型（如BLIP-2、LLaVA、DeepSeek）提取视觉特征生成描述文本，转化视觉信息为语言表征。SADCAT系统基于刻板印象内容模型，分解为热情（Warmth）和能力（Competence）维度，通过多学科构建的词典识别相关词汇并计算得分，考虑词条频率、语法角色和语义权重实现精细分析。

数据处理分六个阶段：数据审计（清洗预处理藏品元数据）、三个并行模型推理管道（BLIP-2、LLaVA、DeepSeek生成图像描述）、LLaVA模型验证（与人工标注对比评估准确性）、综合数据分析（整合模型输出并应用SADCAT评分）、博物馆层面宏观分析。实验采用多重验证策略：对比不同模型输出、人工复核样本计算一致性系数、交叉验证评估稳定性，还设计对照实验研究提示词对模型输出的影响。

该研究具有学术与社会价值：展示计算人文在艺术史研究的潜力，为大规模视觉文化分析开辟新路径；为博物馆策展和公共教育提供数据支持，助力揭示和反思文化遗产中的隐含偏见。同时存在伦理挑战：自动化检测可能误报漏报，算法黑箱特性掩盖判断依据，因此强调人机协作，AI工具辅助而非替代研究者，机器结果需专业学者人工审核解读。

项目开源实现为相关研究提供可复用技术基础。未来可扩展至其他博物馆和艺术品类别，开发更精细的刻板印象分类体系，探索更多多模态模型架构，建立更大规模人工标注数据集。还可应用于当代艺术创作分析，结合观众行为数据研究刻板印象感知差异，随着多模态AI进步，计算人文将迎来更多突破。