技术深度解析
实现这一范式转变的核心技术突破是微调的小型语言模型在高度专业化的历史语料库上的应用。与GPT-4或Claude 3.5等通用模型不同，后者在互联网规模的数据上训练并针对广泛推理进行优化，经济史需要极端的领域特异性和低幻觉率。该方法通常包括三个阶段：
1. 语料库数字化与预处理： 光学字符识别（OCR）模型针对历史字体和手写体进行微调。例如，开源仓库 `tesseract-ocr/tesseract`（GitHub上超过60,000星）已通过自定义语言包适配18世纪英文草书和中世纪拉丁语缩写。蒂宾根大学的最新工作使用基于Transformer的自定义OCR管道，在17世纪荷兰贸易账簿上实现了94.2%的字符准确率，而标准Tesseract仅为78%。
2. 历史语料库微调： 马克斯·普朗克人类历史科学研究所的研究人员在一个包含50万页英国东印度公司记录（1700-1850年）的精选数据集上微调了一个70亿参数的LLaMA-2模型。该数据集包括手写发票、航运清单和个人信件。这个名为 HistBERT 的微调模型在历史货币、重量和度量单位的命名实体识别上达到了91%的F1分数——而GPT-4由于对“里弗尔图努瓦”或“两”等过时单位感到困惑，仅得67%。
3. 语义推断与情绪提取： 最具创新性的层面是使用LLM从文本中推断经济情绪。斯坦福大学数字人文实验室的一个团队开发了一个自定义提示工程框架，从18世纪商人信件中提取“贸易信心指数”。该模型分析词汇选择、句子结构和上下文线索（例如，提及风暴、海盗或市场过剩），分配从-1（恐慌）到+1（乐观）的情绪分数。该指数与已知历史事件相关——1720年南海泡沫事件显示，该指数在六个月内从+0.45急剧下降至-0.72。
基准性能：
| 模型 | 参数 | 历史NER F1 | 单位转换准确率 | 情绪相关性（R²） | 幻觉率（每1000个token） |
|---|---|---|---|---|---|
| GPT-4o | ~200B（估计） | 67% | 72% | 0.58 | 2.1 |
| Claude 3.5 Sonnet | — | 71% | 75% | 0.62 | 1.8 |
| HistBERT（微调LLaMA-2 7B） | 7B | 91% | 94% | 0.81 | 0.3 |
| 自定义T5模型（牛津） | 3B | 88% | 92% | 0.79 | 0.4 |
数据要点： 微调的小型模型在特定领域的历史任务上显著优于通用LLM。NER F1上24个百分点的差距和单位转换准确率上22个百分点的差距表明，对于这一细分领域，暴力扩展不如针对性微调。幻觉率低6-7倍，这在处理不可替代的历史记录时至关重要。
关键参与者与案例研究
多家机构和初创公司正在开拓这一领域，各有独特策略：
- 马克斯·普朗克人类历史科学研究所（德国耶拿）： 他们的 HistBERT 模型是前现代欧洲经济文本的黄金标准。他们专注于汉萨同盟贸易网络（1300-1600年），使用LLM重建波罗的海谷物、木材和琥珀的价格序列。其数据集包括来自吕贝克城市档案馆的120万页内容。该研究所已在GitHub仓库 `mpi-shh/histbert`（1,200星）上发布了部分微调代码，但由于档案版权问题，完整模型权重未公开。
- 斯坦福大学数字人文实验室： 他们的贸易情绪指数项目以GPT-4为骨干，但应用了自定义检索增强生成（RAG）管道，查询包含5万封商人信件的向量数据库。RAG方法通过将模型锚定在实际文本片段中来减少幻觉。他们发表的一篇论文显示，其情绪指数预测18世纪大西洋贸易量的R²为0.73，优于依赖海关记录的传统定量方法（R²为0.51）。
- 牛津大学书籍研究中心： 他们开发了一个基于T5的模型（30亿参数），在20万页英国遗嘱认证清单（1550-1750年）上微调。该模型可以自动提取家庭财富估算、职业数据和消费模式。其关键创新是一个“单位归一化层”，能将47种不同的历史测量系统（例如，“厄尔”、“蒲式耳”、“霍格海德”）以92%的准确率转换为现代等效单位。
- 初创公司：PastText（伦敦）： 一家提供历史文档分析API的商业企业。其产品 ArchiveAI 使用专有的微调模型集成（专家混合架构），支持从手写中世纪手稿到19世纪报纸的多种文档类型。他们声称在拉丁语和古英语文本上的字符错误率低于5%，并已与多家欧洲国家档案馆签约。