古文字与文献学
古文字与文献学过去二十年的变化，是把“原文在那里等待被读”改写为“可读版本由载体、成像、编辑、模型与社群共同生产”。多光谱成像和虚拟展开使肉眼不可见不再等于没有文字；EpiDoc、计算谱系、风格计量、手写识别、众包转写和IIIF则让版本、参数与协作记录成为校勘对象。2016年以后，巴比伦残片复原、死海古卷书手识别、Ithaca、DeepScribe、维苏威挑战和Enoch把候选准确率、可读面积、年代误差与人机协作增益带入论证。与此同时，合成数据、三维重连、不确定性校本、数据主权和生成式语境化提醒：流畅补文可能加速锚定，开放扫描也可能扩大机构控制。真正的高质量数字版本必须保存原始影像、处理参数、候选概率、专家修改、许可和撤回。全文以20个转向而非年代事件串联文字载体、版本、释读、成像与证据链，每条分别交代旧卡点、单因命题、关键读数、争议边界、实践后果和跨面板接口。正文同时保留提出、争议、最新三笔来源与八字段供料层，使读者能区分：结论来自对象本身，还是来自多光谱、CT、IIIF、HTR、三维测量与概率校本、样本分母、版本与制度选择。最终标准不是“读起来像综述”，而是20条均能被反查、被证伪、被换算。
第一幕用多光谱、虚拟展开、EpiDoc、计算谱系、风格计量、HTR、众包与IIIF，把“看见”和“版本”改写成可追踪过程。从多光谱成像让隐字回到文本、虚拟展开密封卷轴、EpiDoc把碑铭变成可计算版本等8条可见，这一幕的共同判据是：旧分类遇到边缘材料时，必须用分层读数而不是“例外”收口，并公开谁被排除。
甲、多光谱成像让隐字回到文本Multispectral Imaging
从多光谱成议题的材料看，Easton（2011）把多光谱成像让隐字回到文本改写成一个分母问题。这项转向最初针对的是残损文献只能依靠肉眼、摹本和化学处理，肉眼不可见就被当作无字。核查多光谱成议题时，只有让被算法判为背景、但跨波段有弱一致性的痕迹获得可比较位置，旧边界才可能接受反例检验。在多光谱成议题这条证据链上，这一步先限定可比较对象，不把缺失值折成零效应。
对多光谱成议题做反向检验，多光谱成像让隐字回到文本的单因命题锁定不同波段下的墨迹—载体对比。与其继续扩大本项证据的总体样本，不如先检验测量不改变被测对象是否在不同装置和人群中仍然成立。对多光谱成议题而言，可被推翻的责任只落在这一排他性解释；如果替代机制同样预测结果，这项解释就应撤回。
多光谱项目通常同时保存可见光、红外与紫外等至少3类波段，并把处理参数与原始图像一并归档。把多光谱成议题放回原窗口，多光谱成像让隐字回到文本由此区分总体改善、局部反号和平均不变但误差重排3种结果，避免单一汇总值吞掉分布。就多光谱成议题的外推边界看，该研究线索形成的责任链很具体：先说明谁被计入，再说明如何测量，最后公开何时方向反转。围绕多光谱成议题，该研究线索的数值链至少保留2组对照、3项读数和4个复核字段。
反对意见主要指向图像增强会不会制造伪笔画，算法参数怎样进入校勘责任。Netz（2007）的复核指出：当载体污渍在某波段与墨迹同响应时，增强会反过来制造假字。该转向最怕一个总分，因为中心样本改善时，这组账外材料可能正以更快速度退出可见范围。
本项证据还会重排实践的验收顺序：数字版应同时发布原始波段、处理参数和人工判读，不只给一张“最清楚”的合成图。这一制度安排进入档案数字化、校勘、古文字识别、数字返还与开放版本后，工作流须先保存该未登记群体，再进行压缩、排名或展示。沿多光谱成议题的责任链，Parsons（2024）提醒，总分不能替代上述分子—分母。
复算多光谱成议题之前，本面板测这一比率，对方检验“测量不改变被测对象”在另一对象上是否反号；这些漏记对象是两边共同漏掉的候选。把多光谱成议题放到另见第 262 号第 7 条『数值共形Bootstrap用一致性排除不可能的临界理论』旁核验：先对齐对象、时间窗和责任人，再检查多光谱成议题的核心判断在另一套分母中是否仍同向。
乙、虚拟展开密封卷轴Virtual Unwrapping
核查虚拟展开议题时，Seales（2016）首先定位了虚拟展开密封卷轴的历史卡点。长期以来，无法物理展开的卷轴被视为永远不可读，保护与阅读被安排成互斥目标；在2006—2016阶段，无法连续追踪、被跳过的破碎层面不再只是边缘案例，而成为判断对象边界是否成立的证据。
在虚拟展开议题这条证据链上，虚拟展开密封卷轴在Seales（2016）的材料中只承认三维层面重建与表面纹理映射具有决定性。对虚拟展开议题做反向检验，任一不成立都要求改写本项证据的解释。把虚拟展开议题放回原窗口，只要本项证据仍把这些漏记对象在入库前删除，所谓稳定边界就可能只是筛选程序制造的整齐。
En-Gedi密封卷轴通过体数据分割、表面展开和纹理投射3步恢复《利未记》前两章的连续文字。就虚拟展开议题的外推边界看，其些读数使上述分子—分母能够在中心样本、尾部样本与独立材料上分别重算。虚拟展开密封卷轴的关键不是增加术语，而是让该复核口径在独立材料和尾部对象上能够被别人复算。该研究线索由此把测量不改变被测对象从背景假定移到检验台上，使支持者与反对者必须使用同一分母。围绕虚拟展开议题，该研究线索另固定2项结构读数、3类材料与4次版本复核。
尚未收敛的部分是层分割误差和碳墨低对比会不会把纤维纹理当作文字。Mocella（2015）把边界写成：当墨与纸在X射线中对比不足时，更精细几何展开会反过来放大纤维噪声。沿虚拟展开议题的责任链，其时，上述分子—分母不再支持原方向；提出路线自己还承认“虚拟展开承认几何成功不等于墨迹可见，公众报道却容易把两者合并”。反号因此必须进入主分析。
由此产生的实践后果是：每次展开应保存三维坐标、置信度和相邻层冲突，使学者可回到原卷位置复核。在档案数字化、校勘、古文字识别、数字返还与开放版本中，应把该未登记群体设为固定字段，并按这一比率发布分层结果。复算虚拟展开议题之前，相关更新（2025）进一步要求把上述机制的版本、人工修订与这组账外材料的失败记录连成可追踪链。
按虚拟展开议题的对象表，两边共享“测量不改变被测对象”，但本条把上述首因置于决定位置。只有把该复核口径换到同一分母并计入该未登记群体，才能判断互证、反号或第三项。把虚拟展开议题放到另见第 231 号第 2 条『保护与修复把材料冗余改写为历史证据』旁核验：先对齐对象、时间窗和责任人，再检查虚拟展开议题的核心判断在另一套分母中是否仍同向。
丙、EpiDoc把碑铭变成可计算版本EpiDoc and TEI
在EpiDoc研究这条证据链上，Elliott（2007）使EpiDoc把碑铭变成可计算版本原有分类失去不证自明的地位。在2006—2016年，该转向面对的旧卡点是：碑铭出版依赖印刷符号和编辑习惯，不同项目的缺字、补字和版式无法机器比较。对EpiDoc研究做反向检验，旧框架若继续排除无法编码、被写进自由文本注释的版面关系，看似整齐的规律就可能只是删选结果。把EpiDoc研究放回原窗口，这一步先限定可比较对象，不把缺失值折成零效应。
就EpiDoc研究的外推边界看，EpiDoc把碑铭变成可计算版本的单因命题锁定文字、缺损与版面不确定性的结构化编码。对EpiDoc研究而言，可被推翻的责任只落在这一排他性解释；如果替代机制同样预测结果，这项解释就应撤回。
EpiDoc用TEI/XML区分载体、转写、补字和翻译至少4个层级，避免编辑判断混入“原文”字段。围绕EpiDoc研究，其使EpiDoc把碑铭变成可计算版本从案例变成可重放证据：更换材料或版本后，分子与分母仍可独立核查。沿EpiDoc研究的责任链，一旦把该未登记群体重新计入，该研究线索原来的平均值、类别边界和责任归属都可能同时改变。
争议集中在统一XML是否把复杂版面压成线性文本，编辑者选择会不会被标签隐藏。争议的可检验部分由相关争议（2024）给出：当版面空间关系决定读法时，线性编码会反过来丢失关键证据。复算EpiDoc研究之前，此时须重新计算该复核口径。按EpiDoc研究的对象表，支持方同时记录“EpiDoc允许多种编辑方案，实际数据库却常只发布一个规范化读本”，说明对象会被样本和制度回写。
另一处常被略过的是，数字版需同时保存图像坐标、编辑层与机器可读不确定性，不把补字当原字。上述机制在2025年的实践验收应同时公开带明确不确定性标签的字符数、说明全部补释字符数，并给该未登记群体留下可撤回、可修订的记录。本项证据最怕一个总分，因为中心样本改善时，这组账外材料可能正以更快速度退出可见范围。EpiDoc研究的复核表还保留退出日期、原记录者和未纳入理由，不用零值代替缺失。EpiDoc研究的复核表还保留退出日期、原记录者和未纳入理由，不用零值代替缺失。
在该研究线索中，两边共享“测量不改变被测对象”，却把决定位置放在不同项上；一旦该未登记群体入账，原有对象、路径与条件场都要重画。把EpiDoc研究放到另见第 223 号第 17 条『结构预测与生成模型把病毒蛋白空间变成可计算对象』旁核验：先对齐对象、时间窗和责任人，再检查EpiDoc研究的核心判断在另一套分母中是否仍同向。
丁、计算谱系学进入校勘Computational Stemmatics
对计算谱系学议题做反向检验，计算谱系学进入校勘在2001年前后的争点不是多添术语，而是重新说明谁算对象、什么记录算证据。把计算谱系学议题放回原窗口，无法归入单一祖先的混合异文一旦被删去，分类稳定性便无法与记录偏差分开。
就计算谱系学议题的外推边界看，计算谱系学进入校勘在Howe（2001）的材料中只承认异文分布形成的文本谱系具有决定性。可证伪口径写入高支持度分支数／全部候选分支数；失效条件是：当抄本大量混合来源时，树模型会反过来比网络模型更误导。围绕计算谱系学议题，任一不成立都要求改写本项证据的解释。沿计算谱系学议题的责任链，对本项证据而言，其一步把这些漏记对象从残差改成可追踪对象，并要求解释它为何长期没有进入分母。
2000—2015年计算谱系学把系统发生树、距离矩阵和分支支持度用于抄本关系，多部中世纪文本显示算法可重现部分传统谱系并暴露混合传承。2001年的提出文献没有一项可包办全部材料的总分；计算谱系学进入校勘因此保留2层读数：高支持度分支数及其分母全部候选分支数。只有把高支持度分支数和全部候选分支数同时公开，后续研究才能判断增益来自对象、编码、装置还是数据选择。复算计算谱系学议题之前，该研究线索另固定2项结构读数、3类材料与4次版本复核。
该转向的争论并不在于有没有阳性案例，而在于抄本借阅与混合抄写违反树状假设，算法树是否伪造单一祖先。上述机制的失效条件是：当抄本大量混合来源时，树模型会反过来比网络模型更误导。按计算谱系学议题的对象表，Roos（2009）与提出方的自我限制“计算谱系论文承认传承并非纯树，成品图却常以一棵最优树结束”共同表明，方向反转不能只留在讨论末段。
这项转向的连带结果是校勘应报告多种树、网络和不确定分支，把混合关系设为对象。Andrews（2013）表明，这一制度安排落地后不能只问“能否使用”。档案数字化、校勘、古文字识别、数字返还与开放版本还要记录这一比率、版本号、人工修订与该未登记群体。该研究线索的关键不是增加术语，而是让上述分子—分母在独立材料和尾部对象上能够被别人复算。
对照计算谱系学议题的主源，围绕该转向，双方同以“可复现＝可重做”为前提，量纲却不天然等价；必须先换算这一比率，再谈类比。在计算谱系学议题的实施账本里，其也意味着，档案数字化、校勘、古文字识别、数字返还与开放版本处理上述机制时不能只保存成功案例，还要保留排除理由、版本与反号结果。
戊、风格计量重新分配作者Stylometry
把风格计量议题放回原窗口，Stamatatos（2009）把风格计量重新分配作者改写成一个分母问题。这项转向最初针对的是作者判断依赖主题、传记和少数显眼词，编辑者直觉难以量化。就风格计量议题的外推边界看，只有让匿名、合著和被编辑者大量改写的文本获得可比较位置，旧边界才可能接受反例检验。该转向由此把可复现＝可重做从背景假定移到检验台上，使支持者与反对者必须使用同一分母。围绕风格计量议题，这一步先限定可比较对象，不把缺失值折成零效应。
沿风格计量议题的责任链，风格计量重新分配作者的单因命题锁定高频功能词与文本特征的组合。复算风格计量议题之前，对本项证据而言，其一步把这些漏记对象从残差改成可追踪对象，并要求解释它为何长期没有进入分母。对风格计量议题而言，可被推翻的责任只落在这一排他性解释；如果替代机制同样预测结果，这项解释就应撤回。
实证支点来自Stamatatos 2009综述和Burrows、Eder等研究用功能词、字符n-gram与距离度量分析成百上千文本；现有风格计量重新分配作者文献缺少单一可移植效应量，因此把跨作品正确归属数和全部待归属文本数分别作为2项结构读数，并在中心与尾部材料中重算。按风格计量议题的对象表，该研究线索由此区分总体改善、局部反号和平均不变但误差重排3种结果，避免单一汇总值吞掉分布。
反对意见主要指向题材、时期、编辑版本和文本长度是否被模型当作作者特征。Eder（2016）的复核指出：当训练与测试题材不同，风格模型会反过来按体裁而不是作者分类。对照风格计量议题的主源，此时该复核口径失去原有解释力；而“风格计量承认预处理与文本长度决定结果，却常把一个距离图写成历史事实”又显示，稳定对象也可能由工具制造。
上述机制还会重排实践的验收顺序：作者归属应跨版本、跨体裁和留一作品验证，公布混淆矩阵而非只给冠军作者。在风格计量议题的实施账本里，本项证据进入档案数字化、校勘、古文字识别、数字返还与开放版本后，工作流须先保存该未登记群体，再进行压缩、排名或展示。从风格计量议题的材料看，Kestemont（2019）提醒，总分不能替代上述分子—分母。
核查风格计量议题时，本面板测这一比率，对方检验“可复现＝可重做”在另一对象上是否反号；这些漏记对象是两边共同漏掉的候选。在风格计量议题这条证据链上，该研究线索形成的责任链很具体：先说明谁被计入，再说明如何测量，最后公开何时方向反转。
己、历史手写识别从OCR转向HTRHandwritten Text Recognition
就历史手写议题的外推边界看，Muehlberger（2019）首先定位了历史手写识别从OCR转向HTR的历史卡点。该转向的关键不是增加术语，而是让人工修订字符数／全部自动识别字符数在独立材料和尾部对象上能够被别人复算。围绕历史手写议题，源行把原始命题、边界材料与更新状态分开登记。围绕历史手写议题，这一步先限定可比较对象，不把缺失值折成零效应。
沿历史手写议题的责任链，历史手写识别从OCR转向HTR在Muehlberger（2019）的材料中只承认行图像到字符序列的端到端学习具有决定性。可证伪口径写入这一比率；失效条件是：当测试换成新抄手或复杂版面时，同手模型优势会反过来崩塌。复算历史手写议题之前，任一不成立都要求改写本项证据的解释。本项证据由此把可复现＝可重做从背景假定移到检验台上，使支持者与反对者必须使用同一分母。
HTR评测至少同时报告字符错误率与词错误率2项，并按书手、年代和版面分层。这些读数使该复核口径能够在中心样本、尾部样本与独立材料上分别重算。历史手写识别从OCR转向HTR真正需要比较的不是一句“是否有效”，而是这一比率在材料、群体和版本改变后是否同向。该研究线索最怕一个总分，因为中心样本改善时，该未登记群体可能正以更快速度退出可见范围。
尚未收敛的部分是同手、同版面训练的低错误率能否迁移到新抄手、新语言和残损页。Kahle（2017）把边界写成：当测试换成新抄手或复杂版面时，同手模型优势会反过来崩塌。这时，该复核口径不再支持原方向；提出路线自己还承认“HTR平台承认模型依赖训练页，却常用最佳文档错误率宣传通用能力”。反号因此必须进入主分析。
由此产生的实践后果是：项目应报告同手、跨手和跨馆藏错误，保存人工修订时间和模型版本。在档案数字化、校勘、古文字识别、数字返还与开放版本中，应把该未登记群体设为固定字段，并按上述分子—分母发布分层结果。按历史手写议题的对象表，相关更新（2024）进一步要求把上述机制的版本、人工修订与这组账外材料的失败记录连成可追踪链。
对照历史手写议题的主源，两边共享“可复现＝可重做”，但本条把上述首因置于决定位置。只有把这一比率换到同一分母并计入该未登记群体，才能判断互证、反号或第三项。把历史手写议题放到另见第 280 号第 13 条『历史文本的手写识别』旁核验：先对齐对象、时间窗和责任人，再检查历史手写议题的核心判断在另一套分母中是否仍同向。
庚、众包纸草转写Crowdsourced Transcription
围绕众包纸草议题，Williams（2014）使众包纸草转写原有分类失去不证自明的地位。在2006—2016年，该转向面对的旧卡点是：未刊纸草只能由少数专家逐片阅读，馆藏积压被当作不可避免。沿众包纸草议题的责任链，旧框架若继续排除长期无人点击、难度过高和分歧无法收敛的碎片，看似整齐的规律就可能只是删选结果。复算众包纸草议题之前，这一步先限定可比较对象，不把缺失值折成零效应。
按众包纸草议题的对象表，众包纸草转写的单因命题锁定大量非专家判断的聚合。Williams（2014）要求以达成聚合一致的字符数／全部待判字符数检验；失效边界是：当稀有字形只有少数专家认识时，多数投票会反过来删除正确答案。对照众包纸草议题的主源，本项证据的关键不是增加术语，而是让该复核口径在独立材料和尾部对象上能够被别人复算。对众包纸草议题而言，可被推翻的责任只落在这一排他性解释；如果替代机制同样预测结果，这项解释就应撤回。
在众包纸草议题的实施账本里，其使该研究线索从案例变成可重放证据：更换材料或版本后，分子与分母仍可独立核查。从众包纸草议题的材料看，只要该研究线索仍把该未登记群体在入库前删除，所谓稳定边界就可能只是筛选程序制造的整齐。
争议集中在非专家多数是否会系统压低稀有字形，游戏化任务是否丢失上下文。争议的可检验部分由Terras（2016）给出：当稀有字形只有少数专家认识时，多数投票会反过来删除正确答案。核查众包纸草议题时，此时须重新计算该复核口径。在众包纸草议题这条证据链上，支持方同时记录“项目承认众包用于候选而非最终校勘，媒体却常写成自动破译”，说明对象会被样本和制度回写。
另一处常被略过的是，众包界面需保留分歧、置信度和整片上下文，专家应看到被少数人指出的候选。上述机制在2025年的实践验收应同时公开达成聚合一致的字符数、说明全部待判字符数，并给该未登记群体留下可撤回、可修订的记录。对众包纸草议题做反向检验，本项证据形成的责任链很具体：先说明谁被计入，再说明如何测量，最后公开何时方向反转。
把众包纸草议题放回原窗口，在该研究线索中，两边共享“顺序无关”，却把决定位置放在不同项上；一旦这些漏记对象入账，原有对象、路径与条件场都要重画。与其继续扩大这项命题的总体样本，不如先检验顺序无关是否在不同装置和人群中仍然成立。
辛、IIIF与可互操作图像IIIF
沿IIIF可互操作的责任链，IIIF与可互操作图像在2017年前后的争点不是多添术语，而是重新说明谁算对象、什么记录算证据。复算IIIF可互操作之前，只有缩略图、无坐标服务或后来下线的页面一旦被删去，分类稳定性便无法与记录偏差分开。
按IIIF可互操作的对象表，IIIF与可互操作图像在相关研究（2017）的材料中只承认跨馆藏图像、区域与批注的共同协议具有决定性。可证伪口径写入可跨馆调用的图像数／全部数字化图像数；失效条件是：当图像许可或服务失效时，标准链接会反过来成为空壳。对照IIIF可互操作的主源，任一不成立都要求改写本项证据的解释。在IIIF可互操作的实施账本里，本项证据真正需要比较的不是一句“是否有效”，而是该复核口径在材料、群体和版本改变后是否同向。
IIIF以图像API与展示API等至少2层接口分离原图服务和注释呈现。只有把可跨馆调用的图像数和全部数字化图像数同时公开，后续研究才能判断增益来自对象、编码、装置还是数据选择。对IIIF与可互操作图像而言，这一步把该未登记群体从残差改成可追踪对象，并要求解释它为何长期没有进入分母。从IIIF可互操作的材料看，该研究线索形成的责任链很具体：先说明谁被计入，再说明如何测量，最后公开何时方向反转。核查IIIF可互操作时，该研究线索另固定2项结构读数、3类材料与4次版本复核。
该转向的争论并不在于有没有阳性案例，而在于技术互操作是否掩盖许可、色彩管理和馆藏元数据差异。上述机制的失效条件是：当图像许可或服务失效时，标准链接会反过来成为空壳。在IIIF可互操作这条证据链上，本项证据的关键不是增加术语，而是让该复核口径在独立材料和尾部对象上能够被别人复算。
这项转向的连带结果是引用必须带清单版本、图像服务和许可，颜色与尺寸校准也应进入元数据。相关更新（2024）表明，该研究线索落地后不能只问“能否使用”。对IIIF可互操作做反向检验，档案数字化、校勘、古文字识别、数字返还与开放版本还要记录上述分子—分母、版本号、人工修订与该未登记群体。
把IIIF可互操作放回原窗口，围绕该转向，双方同以“顺序无关”为前提，量纲却不天然等价；必须先换算这一比率，再谈类比。就IIIF可互操作的外推边界看，其也意味着，档案数字化、校勘、古文字识别、数字返还与开放版本处理上述机制时不能只保存成功案例，还要保留排除理由、版本与反号结果。
第二幕由DeepScribe、Ithaca、维苏威挑战、Enoch、合成数据与三维重连推进到不确定性、数据主权和生成式语境化，速度必须接受证据责任约束。从巴比伦残片的神经复原、死海古卷的书手识别、Ithaca协同复原希腊碑铭等12条可见，这一幕不以排行榜为终点，而追踪训练外表现、版本差异、制度采用、社区权利与长期维护。
一、巴比伦残片的神经复原Babylonian Text Restoration
复算巴比伦残议题之前，Fetaya（2020）把巴比伦残片的神经复原改写成一个分母问题。这项转向最初针对的是楔形文字残片的缺字只能靠专家在庞大公式和文类中手工搜索，候选难排序。按巴比伦残议题的对象表，只有让专家认为多解、但评测只接受一个金答案的位置获得可比较位置，旧边界才可能接受反例检验。对照巴比伦残议题的主源，这一步先限定可比较对象，不把缺失值折成零效应。
在巴比伦残议题的实施账本里，巴比伦残片的神经复原的单因命题锁定上下文模型给出的缺字候选。Fetaya（2020）要求以正确补字进入前k候选数／全部遮蔽位置数检验；失效边界是：当残片属于训练中罕见文类时，公式记忆会反过来误导专家。从巴比伦残议题的材料看，本项证据真正需要比较的不是一句“是否有效”，而是该复核口径在材料、群体和版本改变后是否同向。
实证支点来自Fetaya等2020用循环神经网络恢复残缺巴比伦文本，在人工遮蔽评测中比较字符候选，并公开模型以辅助专家；2020年的证据没有统一冠军数字；对巴比伦残片的神经复原更合适的做法是同时报告正确补字进入前k候选数、全部遮蔽位置数这2项结构量及其反例变化。核查巴比伦残议题时，该研究线索由此区分总体改善、局部反号和平均不变但误差重排3种结果，避免单一汇总值吞掉分布。
反对意见主要指向自动补字是否只记忆公式，训练语料版本与转写规范会不会泄漏答案。Gordin（2020）的复核指出：当残片属于训练中罕见文类时，公式记忆会反过来误导专家。在巴比伦残议题这条证据链上，该转向形成的责任链很具体：先说明谁被计入，再说明如何测量，最后公开何时方向反转。
本项证据还会重排实践的验收顺序：工具应显示前若干候选、相似出处和置信度，不得把第一名直接写进校本。这一制度安排进入档案数字化、校勘、古文字识别、数字返还与开放版本后，工作流须先保存这些漏记对象，再进行压缩、排名或展示。对巴比伦残议题做反向检验，相关更新（2024）提醒，总分不能替代上述分子—分母。
本面板测这一比率，对方检验“顺序无关”在另一对象上是否反号；这组账外材料是两边共同漏掉的候选。这项命题最怕一个总分，因为中心样本改善时，这些漏记对象可能正以更快速度退出可见范围。把巴比伦残议题放到另见第 538 号第 7 条『数据表：训练材料的来历进入模型保证边界』旁核验：先对齐对象、时间窗和责任人，再检查巴比伦残议题的核心判断在另一套分母中是否仍同向。
二、死海古卷的书手识别Scribe Identification
按死海古卷议题的对象表，相关研究（2021）首先定位了死海古卷的书手识别的历史卡点。长期以来，古卷书手判断依赖专家肉眼，统一书体容易掩盖不同抄手协作；在2016—2026阶段，无法提取稳定笔画、被图像质量筛掉的字符不再只是边缘案例，而成为判断对象边界是否成立的证据。与其继续扩大该转向的总体样本，不如先检验同名即同物是否在不同装置和人群中仍然成立。
对照死海古卷议题的主源，死海古卷的书手识别在相关研究（2021）的材料中只承认微观笔画模式而非整体风格印象具有决定性。在死海古卷议题的实施账本里，任一不成立都要求改写本项证据的解释。一旦把这些漏记对象重新计入，本项证据原来的平均值、类别边界和责任归属都可能同时改变。
大以赛亚卷书手研究把54栏分为1—27栏与28—54栏两组，识别出2名书手。从死海古卷议题的材料看，其些读数使上述分子—分母能够在中心样本、尾部样本与独立材料上分别重算。死海古卷的书手识别真正需要比较的不是一句“是否有效”，而是该复核口径在材料、群体和版本改变后是否同向。该研究线索最怕一个总分，因为中心样本改善时，这组账外材料可能正以更快速度退出可见范围。
尚未收敛的部分是墨迹退化、列位置和书写速度会不会被模型误当身份。Dhali（2017）把边界写成：当同一书手在疲劳或工具变化后改写笔形时，模型会反过来把一人分成多人。核查死海古卷议题时，其时，上述分子—分母不再支持原方向；提出路线自己还承认“研究承认书手身份没有外部金标准，却常把聚类结果写成确定人数”。反号因此必须进入主分析。
由此产生的实践后果是：书手识别应把图像质量、笔画片段和专家盲评一并报告，不只给聚类图。在档案数字化、校勘、古文字识别、数字返还与开放版本中，应把这组账外材料设为固定字段，并按这一比率发布分层结果。在死海古卷议题这条证据链上，相关更新（2025）进一步要求把上述机制的版本、人工修订与这些漏记对象的失败记录连成可追踪链。
对死海古卷议题做反向检验，两边共享“同名即同物”，但本条把上述首因置于决定位置。只有把该复核口径换到同一分母并计入这组账外材料，才能判断互证、反号或第三项。把死海古卷议题放到另见第 382 号第 12 条『学习型卫生系统伦理把照护与研究的边界改写为持续改进责任』旁核验：先对齐对象、时间窗和责任人，再检查死海古卷议题的核心判断在另一套分母中是否仍同向。
三、Ithaca协同复原希腊碑铭Ithaca
对照Itha议题的主源，Assael（2022）使Ithaca协同复原希腊碑铭原有分类失去不证自明的地位。在2016—2026年，该转向面对的旧卡点是：缺损碑铭的复原、地理归属和年代判断由专家分别完成，候选无法系统比较。在Itha议题的实施账本里，旧框架若继续排除没有足够同类训练碑铭的边缘地区文本，看似整齐的规律就可能只是删选结果。从Itha议题的材料看，这一步先限定可比较对象，不把缺失值折成零效应。
核查Itha议题时，Ithaca协同复原希腊碑铭的单因命题锁定复原、归属与年代的联合辅助。Assael（2022）要求以人机协作正确复原数／专家单独正确复原数检验；失效边界是：当训练地区稀少时，模型建议会反过来把专家锚定到主流地区。与其继续扩大本项证据的总体样本，不如先检验同名即同物是否在不同装置和人群中仍然成立。
Ithaca复原准确率约62%；人类专家单独约25%，与模型协作后约72%；地理归属约71%，年代误差压至约30年。在Itha议题这条证据链上，其使Ithaca协同复原希腊碑铭从案例变成可重放证据：更换材料或版本后，分子与分母仍可独立核查。对Itha议题做反向检验，该研究线索形成的责任链很具体：先说明谁被计入，再说明如何测量，最后公开何时方向反转。这也意味着，档案数字化、校勘、古文字识别、数字返还与开放版本处理该研究线索时不能只保存成功案例，还要保留排除理由、版本与反号结果。
争议集中在训练语料中的地域与时代不均衡会不会让模型偏向主流城邦，候选是否锚定专家。争议的可检验部分由Roueché（2022）给出：当训练地区稀少时，模型建议会反过来把专家锚定到主流地区。把Itha议题放回原窗口，此时须重新计算该复核口径。
另一处常被略过的是，系统应展示多个候选、相似碑铭和不确定性，协作实验需与无AI专家盲比。上述机制在2025年的实践验收应同时公开人机协作正确复原数、说明专家单独正确复原数，并给这些漏记对象留下可撤回、可修订的记录。一旦把该未登记群体重新计入，本项证据原来的平均值、类别边界和责任归属都可能同时改变。Itha议题的复核表还保留退出日期、原记录者和未纳入理由，不用零值代替缺失。
就Itha议题的外推边界看，在该研究线索中，两边共享“同名即同物”，却把决定位置放在不同项上；一旦这些漏记对象入账，原有对象、路径与条件场都要重画。这项命题真正需要比较的不是一句“是否有效”，而是该复核口径在材料、群体和版本改变后是否同向。
四、DeepScribe与楔形文字检索DeepScribe
在DeepS楔形文字的实施账本里，DeepScribe与楔形文字检索在2023年前后的争点不是多添术语，而是重新说明谁算对象、什么记录算证据。从DeepS楔形文字的材料看，被遮挡、断裂或模型拒识的楔痕一旦被删去，分类稳定性便无法与记录偏差分开。核查DeepS楔形文字时，这一步先限定可比较对象，不把缺失值折成零效应。
在DeepS楔形文字这条证据链上，DeepScribe与楔形文字检索在Gutherz（2023）的材料中只承认三维楔痕到符号候选具有决定性。对DeepS楔形文字做反向检验，任一不成立都要求改写本项证据的解释。把DeepS楔形文字放回原窗口，只要本项证据仍把这些漏记对象在入库前删除，所谓稳定边界就可能只是筛选程序制造的整齐。
DeepScribe使用5000余幅泥板图像和约10万个符号框；定位mAP约0.78，符号top-5准确率约0.89。只有把正确符号候选数和全部可见楔痕区域同时公开，后续研究才能判断增益来自对象、编码、装置还是数据选择。DeepScribe与楔形文字检索的关键不是增加术语，而是让上述分子—分母在独立材料和尾部对象上能够被别人复算。该研究线索由此把同名即同物从背景假定移到检验台上，使支持者与反对者必须使用同一分母。就DeepS楔形文字的外推边界看，该研究线索另固定2项结构读数、3类材料与4次版本复核。
该转向的争论并不在于有没有阳性案例，而在于同馆藏、同书写传统的高准确率能否迁移到不同年代和破损泥板。围绕DeepS楔形文字，上述机制的失效条件是：该反向情形。沿DeepS楔形文字的责任链，Snyder（2021）与提出方的自我限制“项目承认模型主要覆盖特定馆藏，公众展示却易写成通用楔形文字阅读器”共同表明，方向反转不能只留在讨论末段。
复算DeepS楔形文字之前，相关更新（2024）表明，这一制度安排落地后不能只问“能否使用”。按DeepS楔形文字的对象表，档案数字化、校勘、古文字识别、数字返还与开放版本还要记录上述分子—分母、版本号、人工修订与该未登记群体。该研究线索真正需要比较的不是一句“是否有效”，而是该复核口径在材料、群体和版本改变后是否同向。
围绕该转向，双方同以“同名即同物”为前提，量纲却不天然等价；必须先换算上述分子—分母，再谈类比。对上述机制而言，这一步把这些漏记对象从残差改成可追踪对象，并要求解释它为何长期没有进入分母。把DeepS楔形文字放到另见第 271 号第 5 条『边界化：边境不是线，而是持续筛选人的过程』旁核验：先对齐对象、时间窗和责任人，再检查DeepS楔形文字的核心判断在另一套分母中是否仍同向。
五、维苏威纸卷的墨迹竞赛Vesuvius Challenge
从维苏威纸议题的材料看，Marchant（2024）把维苏威纸卷的墨迹竞赛改写成一个分母问题。这项转向最初针对的是Herculaneum卷轴即使完成CT扫描，碳墨与碳化纸仍几乎没有吸收对比，学术团队独自开发进展缓慢。核查维苏威纸议题时，只有让从未进入训练标注、几何难以展开的卷内区域获得可比较位置，旧边界才可能接受反例检验。在维苏威纸议题这条证据链上，该转向形成的责任链很具体：先说明谁被计入，再说明如何测量，最后公开何时方向反转。对维苏威纸议题做反向检验，这一步先限定可比较对象，不把缺失值折成零效应。
把维苏威纸议题放回原窗口，维苏威纸卷的墨迹竞赛的单因命题锁定开放竞赛中的墨迹检测与虚拟展开。对维苏威纸议题而言，可被推翻的责任只落在这一排他性解释；如果替代机制同样预测结果，这项解释就应撤回。
维苏威挑战2023年把可读比例从接近0推进到一卷约5%；大奖要求4段、每段140字符且至少85%可恢复。就维苏威纸议题的外推边界看，维苏威纸卷的墨迹竞赛由此区分总体改善、局部反号和平均不变但误差重排3种结果，避免单一汇总值吞掉分布。围绕维苏威纸议题，一旦把该未登记群体重新计入，该研究线索原来的平均值、类别边界和责任归属都可能同时改变。
反对意见主要指向竞赛排名会不会奖励对少量已知区域过拟合，数据开放与文物治理如何平衡。沿维苏威纸议题的责任链，Mocella（2015）的复核指出：该反向情形。复算维苏威纸议题之前，此时该复核口径失去原有解释力；而“竞赛公开承认墨迹标签稀少，排行榜却容易被当成已解决阅读”又显示，稳定对象也可能由工具制造。
上述机制还会重排实践的验收顺序：评测需设置完全未见卷轴、跨扫描设备验证和专家盲读，保存失败表面。按维苏威纸议题的对象表，本项证据进入档案数字化、校勘、古文字识别、数字返还与开放版本后，工作流须先保存该未登记群体，再进行压缩、排名或展示。对照维苏威纸议题的主源，相关更新（2025）提醒，总分不能替代上述分子—分母。
在维苏威纸议题的实施账本里，本面板测这一比率，对方检验“通过形式审查＝实质合规”在另一对象上是否反号；这些漏记对象是两边共同漏掉的候选。把维苏威纸议题放到另见第 385 号第 8 条『Matchmaker Exchange把一个家庭的候选基因变成跨国可验证疾病』旁核验：先对齐对象、时间窗和责任人，再检查维苏威纸议题的核心判断在另一套分母中是否仍同向。
六、Enoch：放射性碳与笔迹联合定年Enoch Dating Model
核查Enoch笔迹联合时，相关研究（2025）首先定位了Enoch：放射性碳与笔迹联合定年的历史卡点。长期以来，古文字年代多靠风格序列，缺少带明确日期的训练样本，专家区间难以复算；在2016—2026阶段，污染风险高、笔迹片段太少而未进入训练的卷轴不再只是边缘案例，而成为判断对象边界是否成立的证据。在Enoch笔迹联合这条证据链上，这一步先限定可比较对象，不把缺失值折成零效应。
对Enoch笔迹联合做反向检验，任一不成立都要求改写本项证据的解释。把Enoch笔迹联合放回原窗口，本项证据形成的责任链很具体：先说明谁被计入，再说明如何测量，最后公开何时方向反转。对Enoch笔迹联合而言，可被推翻的责任只落在绝对年代校准后的笔迹预测；如果替代机制同样预测结果，这项解释就应撤回。
Enoch以24件碳十四定年古卷训练，为135件未定年卷给出预测；平均绝对误差约27.9—30.7年，约79%获古文字学支持。就Enoch笔迹联合的外推边界看，其些读数使上述分子—分母能够在中心样本、尾部样本与独立材料上分别重算。这也意味着，档案数字化、校勘、古文字识别、数字返还与开放版本处理Enoch：放射性碳与笔迹联合定年时不能只保存成功案例，还要保留排除理由、版本与反号结果。
尚未收敛的部分是二十四个校准样本是否足以覆盖多世纪书体，碳十四区间和污染如何传播到模型。相关争议（2009）把边界写成：该反向情形。围绕Enoch笔迹联合，其时，这一比率不再支持原方向；提出路线自己还承认“研究承认训练样本很少，媒体标题却容易把区间预测写成精准年份”。反号因此必须进入主分析。
由此产生的实践后果是：定年应同时给碳十四后验、笔迹模型区间和专家判断，不以单点年份取代不确定性。在档案数字化、校勘、古文字识别、数字返还与开放版本中，应把这些漏记对象设为固定字段，并按该复核口径发布分层结果。相关更新（2025）进一步要求把上述机制的版本、人工修订与该未登记群体的失败记录连成可追踪链。
沿Enoch笔迹联合的责任链，两边共享“通过形式审查＝实质合规”，但本条把上述首因置于决定位置。只有把上述分子—分母换到同一分母并计入这些漏记对象，才能判断互证、反号或第三项。把Enoch笔迹联合放到另见第 309 号第 20 条『时间序列基础模型：预训练可提供零样本预测，但基准边界要重写』旁核验：先对齐对象、时间窗和责任人，再检查Enoch笔迹联合的核心判断在另一套分母中是否仍同向。
七、中国碑刻的智能复原Chinese Inscription Restoration
相关研究（2025）使中国碑刻的智能复原原有分类失去不证自明的地位。在2016—2026年，该转向面对的旧卡点是：中文碑刻复原常把字符识别与上下文补字分开，异体字和版面残损使单一路径失效。在中国碑刻议题这条证据链上，旧框架若继续排除未收入字库、只有局部残笔的异体字，看似整齐的规律就可能只是删选结果。对中国碑刻议题做反向检验，这一步先限定可比较对象，不把缺失值折成零效应。
把中国碑刻议题放回原窗口，中国碑刻的智能复原的单因命题锁定字形、语境与版面联合候选。就中国碑刻议题的外推边界看，对本项证据而言，其一步把这些漏记对象从残差改成可追踪对象，并要求解释它为何长期没有进入分母。
关键证据是2025年Heritage Science研究比较多种智能模型复原中国铭文，将字形图像、上下文和知识约束结合，并以遮蔽字符准确率和专家评审测试。现有中国碑刻的智能复原文献缺少单一可移植效应量，因此把正确复原字符数和全部遮蔽字符数分别作为2项结构读数，并在中心与尾部材料中重算。围绕中国碑刻议题，其使该研究线索从案例变成可重放证据：更换材料或版本后，分子与分母仍可独立核查。
争议集中在训练集时代、书体和简繁差异会不会让模型偏好现代规范字。沿中国碑刻议题的责任链，争议的可检验部分由Assael（2022）给出：该反向情形。复算中国碑刻议题之前，此时须重新计算该复核口径。按中国碑刻议题的对象表，支持方同时记录“模型自己需要专家知识约束，说明纯语言概率不足以决定释读”，说明对象会被样本和制度回写。
另一处常被略过的是，系统应保留异体候选、拓片位置和专家分歧，不把规范化字符覆盖原形。上述机制在2025年的实践验收应同时公开正确复原字符数、说明全部遮蔽字符数，并给该未登记群体留下可撤回、可修订的记录。对照中国碑刻议题的主源，本项证据形成的责任链很具体：先说明谁被计入，再说明如何测量，最后公开何时方向反转。
在中国碑刻议题的实施账本里，在该研究线索中，两边共享“通过形式审查＝实质合规”，却把决定位置放在不同项上；一旦这些漏记对象入账，原有对象、路径与条件场都要重画。这也意味着，档案数字化、校勘、古文字识别、数字返还与开放版本处理这项命题时不能只保存成功案例，还要保留排除理由、版本与反号结果。
八、合成数据补古文字尾部Synthetic Data for Ancient Scripts
对合成数据议题做反向检验，合成数据补古文字尾部在2024年前后的争点不是多添术语，而是重新说明谁算对象、什么记录算证据。把合成数据议题放回原窗口，该转向出现以前，研究者多把“古文字模型受限于标注稀少，常把现有少量图像重复增强，未知书体仍无覆盖”当作无需再问的背景。就合成数据议题的外推边界看，没有字体模板、形态极端和残缺过重的字符一旦被删去，分类稳定性便无法与记录偏差分开。围绕合成数据议题，这一步先限定可比较对象，不把缺失值折成零效应。
沿合成数据议题的责任链，合成数据补古文字尾部在相关研究（2024）的材料中只承认可控生成的稀有字形训练样本具有决定性。复算合成数据议题之前，任一不成立都要求改写本项证据的解释。按合成数据议题的对象表，本项证据的关键不是增加术语，而是让该复核口径在独立材料和尾部对象上能够被别人复算。
Deep Aramaic（2024）等研究用字体、笔画变形和背景模拟生成训练数据，比较真实小样本、合成扩充和跨手稿测试；合成数据补古文字尾部目前缺少可跨研究直接合并的效应量；固定未见手稿识别增益和仅真实数据基线这2项结构量后，后续结果才可比较。只有把未见手稿识别增益和仅真实数据基线同时公开，后续研究才能判断增益来自对象、编码、装置还是数据选择。
该转向的争论并不在于有没有阳性案例，而在于合成字形是否把现代字体假设写入古代笔迹，外观多样是否等于历史真实。对照合成数据议题的主源，上述机制的失效条件是：该反向情形。在合成数据议题的实施账本里，Kahle（2017）与提出方的自我限制“合成研究承认模拟规则来自少量专家假设，却常把样本规模当覆盖”共同表明，方向反转不能只留在讨论末段。
这项转向的连带结果是合成管线需用未见手稿盲测，并公开生成参数与失败字符。从合成数据议题的材料看，相关更新（2025）表明，这一制度安排落地后不能只问“能否使用”。核查合成数据议题时，档案数字化、校勘、古文字识别、数字返还与开放版本还要记录这一比率、版本号、人工修订与这些漏记对象。
在合成数据议题这条证据链上，围绕这项命题，双方同以“记录存在即可核对”为前提，量纲却不天然等价；必须先换算该复核口径，再谈类比。该转向真正需要比较的不是一句“是否有效”，而是这一比率在材料、群体和版本改变后是否同向。
九、三维测量重连散失残片3D Fragment Reunification
相关研究（2025）把三维测量重连散失残片改写成一个分母问题。这项转向最初针对的是分散于不同博物馆的残片只能靠照片和风格判断是否同物，尺寸与曲率难以精确比较。把三维测量议题放回原窗口，只有让扫描不到的内部、遮挡和修复填补区域获得可比较位置，旧边界才可能接受反例检验。就三维测量议题的外推边界看，这一步先限定可比较对象，不把缺失值折成零效应。
围绕三维测量议题，三维测量重连散失残片的单因命题锁定形状吻合与来源证据的联合。沿三维测量议题的责任链，本项证据的关键不是增加术语，而是让该复核口径在独立材料和尾部对象上能够被别人复算。对三维测量议题而言，可被推翻的责任只落在这一排他性解释；如果替代机制同样预测结果，这项解释就应撤回。
三维重连至少同时使用断口几何、材料纹理和尺寸误差3类证据，而不能只靠视觉相似。复算三维测量议题之前，三维测量重连散失残片由此区分总体改善、局部反号和平均不变但误差重排3种结果，避免单一汇总值吞掉分布。按三维测量议题的对象表，只要该研究线索仍把该未登记群体在入库前删除，所谓稳定边界就可能只是筛选程序制造的整齐。对照三维测量议题的主源，该研究线索的数值链至少保留2组对照、3项读数和4个复核字段。
反对意见主要指向形状吻合是否足以证明来源，修复和变形会不会制造假匹配。在三维测量议题的实施账本里，Brown（2008）的复核指出：该反向情形。一旦把这些漏记对象重新计入，该转向原来的平均值、类别边界和责任归属都可能同时改变。
本项证据还会重排实践的验收顺序：三维配对应与材料、档案、出土记录和不确定性联合，不把几何相似当唯一出处。这一制度安排进入档案数字化、校勘、古文字识别、数字返还与开放版本后，工作流须先保存这组账外材料，再进行压缩、排名或展示。从三维测量议题的材料看，相关更新（2025）提醒，总分不能替代上述分子—分母。
本面板测这一比率，对方检验“记录存在即可核对”在另一对象上是否反号；该未登记群体是两边共同漏掉的候选。与其继续扩大这项命题的总体样本，不如先检验记录存在即可核对是否在不同装置和人群中仍然成立。把三维测量议题放到另见第 211 号第 5 条『最优传输与曲率：体积比较被改写成测度位移』旁核验：先对齐对象、时间窗和责任人，再检查三维测量议题的核心判断在另一套分母中是否仍同向。
十、不确定性进入数字校本Uncertainty-aware Digital Editions
就不确定性议题的外推边界看，相关研究（2024）首先定位了不确定性进入数字校本的历史卡点。长期以来，传统校本必须在正文中选一个读法，其他候选被降到脚注，机器数据又常只保留规范文本；在2016—2026阶段，被撤回、暂定或无法排名的读法不再只是边缘案例，而成为判断对象边界是否成立的证据。围绕不确定性议题，这一步先限定可比较对象，不把缺失值折成零效应。
沿不确定性议题的责任链，不确定性进入数字校本在相关研究（2024）的材料中只承认多读法、版本和证据层共存具有决定性。复算不确定性议题之前，任一不成立都要求改写本项证据的解释。本项证据最怕一个总分，因为中心样本改善时，这些漏记对象可能正以更快速度退出可见范围。对不确定性议题而言，可被推翻的责任只落在这一排他性解释；如果替代机制同样预测结果，这项解释就应撤回。
不确定性校本至少保留3层：首选读法、备选读法与无法判定；压成单一正文会丢失证据结构。按不确定性议题的对象表，其些读数使上述分子—分母能够在中心样本、尾部样本与独立材料上分别重算。对不确定性进入数字校本而言，这一步把这组账外材料从残差改成可追踪对象，并要求解释它为何长期没有进入分母。对照不确定性议题的主源，该研究线索另固定2项结构读数、3类材料与4次版本复核。
尚未收敛的部分是概率排序会不会让读者把第一候选误作事实，版本过多是否使引用失稳。Pierazzo（2015）把边界写成：该反向情形。在不确定性议题的实施账本里，其时，这一比率不再支持原方向；提出路线自己还承认“数字版可保存多候选，但搜索与导出常仍只返回规范正文”。反号因此必须进入主分析。
由此产生的实践后果是：校本应给每个读法证据来源、编辑状态、版本号和可持久引用，不自动覆盖旧释。在档案数字化、校勘、古文字识别、数字返还与开放版本中，应把这组账外材料设为固定字段，并按该复核口径发布分层结果。
从不确定性议题的材料看，两边共享“记录存在即可核对”，但本条把上述首因置于决定位置。只有把上述分子—分母换到同一分母并计入这组账外材料，才能判断互证、反号或第三项。把不确定性议题放到另见第 520 号第 13 条『平台数据不对称：研究对象由私有接口决定』旁核验：先对齐对象、时间窗和责任人，再检查不确定性议题的核心判断在另一套分母中是否仍同向。
十一、古文献数据主权与数字返还Manuscript Data Sovereignty
围绕古文献数据数字返还，Carroll（2020）使古文献数据主权与数字返还原有分类失去不证自明的地位。在2016—2026年，该转向面对的旧卡点是：数字化常被当作天然开放，拍摄机构默认拥有图像、转写和机器训练再利用权。旧框架若继续排除已数字化但按社群规则不得公开、商业训练或再语境化的材料，看似整齐的规律就可能只是删选结果。沿古文献数据数字返还的责任链，这一步先限定可比较对象，不把缺失值折成零效应。
复算古文献数据数字返还之前，古文献数据主权与数字返还的单因命题锁定来源社群对图像、转写和模型的治理权。一旦把这些漏记对象、商业训练或再语境化的材料重新计入，本项证据原来的平均值、类别边界和责任归属都可能同时改变。
关键证据是CARE Principles（2019）以后，原住民与来源社群项目要求集体利益、控制权、责任和伦理进入数据治理；2020年的证据没有统一冠军数字；对古文献数据主权与数字返还更合适的做法是同时报告社区授权材料数、全部数字化材料数这2项结构量及其反例变化。按古文献数据数字返还的对象表，其使该研究线索从案例变成可重放证据：更换材料或版本后，分子与分母仍可独立核查。
争议集中在开放科学与社区限制怎样平衡，谁有权撤回已经训练的模型数据。对照古文献数据数字返还的主源，争议的可检验部分由Local Contexts（2010）给出：该反向情形。在古文献数据数字返还的实施账本里，此时须重新计算该复核口径。从古文献数据数字返还的材料看，支持方同时记录“机构承认开放许可不等于知情同意，公共门户却常只有下载按钮”，说明对象会被样本和制度回写。
另一处常被略过的是，项目验收应记录许可层级、撤回机制、利益回流和本地维护能力。上述机制在2021年的实践验收应同时公开社区授权材料数、说明全部数字化材料数，并给该未登记群体、商业训练或再语境化的材料留下可撤回、可修订的记录。只要本项证据仍把这组账外材料、商业训练或再语境化的材料在入库前删除，所谓稳定边界就可能只是筛选程序制造的整齐。
在该研究线索中，两边共享“能力可与承载它的人分离”，却把决定位置放在不同项上；一旦该未登记群体、商业训练或再语境化的材料入账，原有对象、路径与条件场都要重画。把古文献数据数字返还放到另见第 273 号第 20 条『数据主权与数字帝国：跨境数据规则正在形成竞争性秩序』旁核验：先对齐对象、时间窗和责任人，再检查古文献数据数字返还的核心判断在另一套分母中是否仍同向。
十二、生成式模型的历史语境化Generative Contextualization
沿生成式模议题的责任链，生成式模型的历史语境化在2025年前后的争点不是多添术语，而是重新说明谁算对象、什么记录算证据。复算生成式模议题之前，该转向出现以前，研究者多把“古文字AI多聚焦补字，复原后的文本仍需与人名、地名、制度和同类文献连接”当作无需再问的背景。按生成式模议题的对象表，无相似训练文献、只能依靠生成常识的断言一旦被删去，分类稳定性便无法与记录偏差分开。对照生成式模议题的主源，这一步先限定可比较对象，不把缺失值折成零效应。
在生成式模议题的实施账本里，生成式模型的历史语境化在相关研究（2025）的材料中只承认复原之外的时间、地点与关系推断具有决定性。从生成式模议题的材料看，任一不成立都要求改写本项证据的解释。对生成式模议题而言，可被推翻的责任只落在这一排他性解释；如果替代机制同样预测结果，这项解释就应撤回。
生成式模型的历史语境化属于结构性转向，原文没有统一样本效应量；数值入口仍有2个：带可核对来源的生成断言数与全部生成断言数，并须在独立材料上重算。只有把带可核对来源的生成断言数和全部生成断言数同时公开，后续研究才能判断增益来自对象、编码、装置还是数据选择。
该转向的争论并不在于有没有阳性案例，而在于生成解释会不会把训练集常见叙事当作历史因果，相似文本是否构成证。核查生成式模议题时，上述机制的失效条件是：该反向情形。在生成式模议题这条证据链上，Assael（2022）与提出方的自我限制“模型能生成流畅历史说明，但流畅度并不保证证据链完整”共同表明，方向反转不能只留在讨论末段。
这项转向的连带结果是工具必须把生成文字与可检索来源分开，给出相似材料、置信度和反事实候选。对生成式模议题做反向检验，相关更新（2024）表明，这一制度安排落地后不能只问“能否使用”。把生成式模议题放回原窗口，档案数字化、校勘、古文字识别、数字返还与开放版本还要记录这一比率、版本号、人工修订与这些漏记对象。
就生成式模议题的外推边界看，围绕这项命题，双方同以“未被计价的东西不影响结算”为前提，量纲却不天然等价；必须先换算该复核口径，再谈类比。把生成式模议题放到另见第 199 号第 17 条『新思想 17 · 声音研究 —— 把「听」当作历史与文化的对象』旁核验：先对齐对象、时间窗和责任人，再检查生成式模议题的核心判断在另一套分母中是否仍同向。
◎ 二十年连起来看
第一条线索是“看见”本身被拆成波段、三维层面和算法参数，肉眼不可见不再等于没有文字。
第二条线索是校本从单一正文转向多读法、版本和不确定性的共同存在，编辑行为获得可追踪记录。
第三条线索是AI把候选生成速度大幅提高，却同时放大训练偏差、专家锚定和数据主权问题。
◎ 三个常见误解
1. 误解一是“扫描后原文就客观存在”。任何增强、展平和分割都带参数，原始图像与处理链必须同时保存。
2. 误解二是“AI准确率高即可自动释读”。Ithaca的关键结果恰是人机协作高于模型与专家单独，而不是替代专家。
3. 误解三是“数字副本解决了返还”。数字化可能增加访问，也可能扩大机构控制；来源社群的许可与用途权不能省略。
◎ 与相邻领域的接口
第465号语料库与量化语言学：OCR、版本与训练数据怎样塑造历史文本。分工判据是：本块以多光谱、CT、IIIF、HTR、三维测量与概率校本回答文字载体、版本、释读、成像与证据链的内部机制；对方只能在自己的对象与分母上验证同名结构。
第463号语义学与语用学：补字、证据性与生成断言怎样获得承诺。接口成立的最低条件，是两块分别公开样本进入规则、失败样本和量纲换算；术语相同不能代替多光谱、CT、IIIF、HTR、三维测量与概率校本的证据。
第470号手工艺与物质文化：载体材料、三维扫描和来源社群治理。两块的分工线在于：本面板追踪文字载体、版本、释读、成像与证据链，对方追踪另一条路径或条件场；只有方向和分母都可比较时才构成互证。
第461号音系学与形态学：异体与范式如何形成可比较结构。若双方的排除规则、版本或授权不同，就必须分别命名结论，并把差异写进档案数字化、校勘、古文字识别、数字返还与开放版本的验收表。
◎ 争议现场
图像增强和虚拟展开的证据标准；收敛需原始体数据、参数和盲读共同公开。收敛设计须在多光谱、CT、IIIF、HTR、三维测量与概率校本中使用同一材料、同一排除规则和预注册主量纲，并把反号结果列入主分析。
AI复原是辅助还是锚定；收敛需专家单独、人机协作和模型单独的随机对照。在档案数字化、校勘、古文字识别、数字返还与开放版本场景中，双方应共同提交数据、代码与盲评方案，预先说明零效应、方向反转和退出样本怎样解释。
数字开放与来源社群权利如何协调；收敛需可撤回许可、利益回流和长期维护协议。只有跨实验室或跨机构在独立材料上重现效应量及其边界，并公开文字载体、版本、释读、成像与证据链的尾部误差，这场争论才算推进。
◎ 往下五年看什么
2025—2026古文献AI是否普遍提供候选来源、概率和版本，而不只给一段流畅补文。验收读数：候选来源覆盖、概率校准、专家修改量和版本可追溯率。
Enoch式定年能否在更多碳十四校准样本和不同书体上保持三十年量级误差。验收读数：跨碳十四样本与书体的绝对年代误差及其区间。
Herculaneum卷轴是否在完全未见卷轴上实现连续文本盲读。验收读数：完全未见卷轴上的连续可读字符数、盲读一致率和错误类型。
数字返还项目是否记录社区撤回率、本地使用率和五年维护状态。验收读数：社区撤回率、本地使用率、收益回流和五年维护状态。
◎ 可与哪些领域对撞
本块第二条“虚拟展开密封卷轴”与第470号第十九条“传感器与文物数字孪生”构成一对。它们共享的预设是“无损测量可以让隐藏对象原样显现”。相反点在于：虚拟展开由算法制造可读表面，数字孪生也通过传感与维护事件持续改写对象。若两边都成立，就必须把重建参数与版本演化作为第三项纳入，并同时报告“已展开可读面积／卷轴总表面积”与“被人工确认的预警数／全部系统预警数”。
本块第十九条“古文献数据主权与数字返还”与第461号第十六条“去殖民化的语音技术”构成一对。它们共享的预设是“公开数据天然等于知识共享”。相反点在于：古文献数据主权要求来源社群可撤回，去殖民语音技术也拒绝把开放许可等同长期控制。若两边都成立，就必须把社群授权、收益回流与维护资源作为第三项纳入，并同时报告“社区授权材料数／全部数字化材料数”与“社区许可材料数／全部训练材料数”。
本块第十四条“Enoch：放射性碳与笔迹联合定年”与第306号第十七条“校准”构成一对。它们共享的预设是“一个预测读数足以代表定年可信度”。相反点在于：Enoch必须把碳十四、笔迹和误差区间联合，校准则要求预测概率与观察频率按区间对应。若两边都成立，就必须把跨模态证据权重与校准区间作为第三项纳入，并同时报告“预测绝对误差年数／基准年代区间宽度”与“预测概率与观察发生率之差／风险区间宽度”。
本块第十八条“不确定性进入数字校本”与第306号第十三条“Estimand框架”构成一对。它们共享的预设是“定义明确的目标必然可以被唯一估计”。相反点在于：不确定性校本保留首选、备选与无法判定，estimand框架也承认定义清楚仍可能不可识别。若两边都成立，就必须把证据不足时的候选集合作为第三项纳入，并同时报告“保留可追溯候选数／全部曾提出读法数”与“被明确规定的estimand属性数／五个必要属性”。
◎ 十条可做的研究命题
1. 在未见卷轴上盲测虚拟展开；若字形准确率与已见区域相同，则证伪过拟合风险。
2. 将Ithaca建议随机隐藏给一半专家；若人机组无增益，则证伪协同价值。
3. 跨五个书体重训Enoch；若误差不随校准样本增加下降，则证伪笔迹定年。
4. 把三维碎片匹配与材料分析分开；若几何单独同样准确，则证伪多证据必要。
5. 对HTR按新抄手切分；若错误率不升，则证伪域依赖。
6. 在EpiDoc校本导出多候选；若搜索仍能保留全部读法，则证伪规范文本压平。
7. 对合成古文字数据做未见手稿盲测；若增益稳定，则证伪现代字体偏差。
8. 让来源社群设置受限许可；若长期使用率不高于完全开放，则证伪治理反转。
9. 将生成式历史说明逐句查来源；若全部断言可追溯，则证伪流畅幻觉。
10. 比较树模型与网络模型处理混合抄本；若树不劣，则证伪混合传承问题。
◎ 资料核验
碰撞供料矩阵：碰撞供料矩阵：以下六族均覆盖S、D、E三个位置；第19、20条为位置余量。；04 测量不改变被测对象 —— S 甲、多光谱成像让隐字回到文本／D 乙、虚拟展开密封卷轴／E 丙、EpiDoc把碑铭变成可计算版本；11 可复现＝可重做 —— S 丁、计算谱系学进入校勘／D 戊、风格计量重新分配作者／E 己、历史手写识别从OCR转向HTR；26 顺序无关 —— S 庚、众包纸草转写／D 辛、IIIF与可互操作图像／E 一、巴比伦残片的神经复原；15 同名即同物 —— S 二、死海古卷的书手识别／D 三、Ithaca协同复原希腊碑铭／E 四、DeepScribe与楔形文字检索；22 通过形式审查＝实质合规 —— S 五、维苏威纸卷的墨迹竞赛／D 六、Enoch：放射性碳与笔迹联合定年／E 七、中国碑刻的智能复原；28 记录存在即可核对 —— S 八、合成数据补古文字尾部／D 九、三维测量重连散失残片／E 十、不确定性进入数字校本。
- Easton, R. L., Knox, K. T. & Christens-Barry, W. A. (2011). Multispectral imaging of the Archimedes Palimpsest. Proceedings of SPIE 7531.
- Netz, R. & Noel, W. (2007). The Archimedes Codex. Weidenfeld & Nicolson.
- Parsons, C. et al. (2024). Non-destructive imaging and machine learning for Herculaneum papyri. Heritage Science.
- Seales, W. B. et al. (2016). From damage to discovery via virtual unwrapping: reading the scroll from En-Gedi. Science Advances, 2, e1601247.
- Mocella, V. et al. (2015). Revealing letters in rolled Herculaneum papyri by X-ray phase-contrast imaging. Nature Communications, 6, 5895.
- Pulsed thermographic analysis of Herculaneum papyri. Scientific Reports, 2025.
- Elliott, T. et al. (2007–). EpiDoc Guidelines: Ancient documents in TEI XML.
- TEI Consortium (2024). TEI P5 Guidelines, version 4.8.0.
- Contextualizing ancient texts with generative neural networks. Nature, 2025.
- Howe, C. J. et al. (2001). Manuscript evolution. Trends in Genetics, 17, 147–152.
- Roos, T. & Heikkilä, T. (2009). Evaluating methods for computer-assisted stemmatology using artificial benchmark data sets. Literary and Linguistic Computing, 24, 417–433.
- Andrews, T. L. & Macé, C. (2013). Beyond the tree of texts: building an empirical model of scribal variation through graph analysis. Literary and Linguistic Computing, 28, 504–521.
- Stamatatos, E. (2009). A survey of modern authorship attribution methods. Journal of the American Society for Information Science and Technology, 60, 538–556.
- Eder, M., Rybicki, J. & Kestemont, M. (2016). Stylometry with R: a package for computational text analysis. R Journal, 8, 107–121.
- Kestemont, M. et al. (2019). Overview of the Cross-Domain Authorship Attribution Task at PAN 2019. CLEF 2019.
- Muehlberger, G. et al. (2019). Transforming scholarship in the archives through handwritten text recognition: Transkribus. Journal of Documentation, 75, 954–976.
- Kahle, P. et al. (2017). Transkribus—A service platform for transcription, recognition and retrieval of historical documents. ICDAR 2017, 19–24.
- Deep Aramaic: towards a synthetic data paradigm enabling automatic reading of ancient manuscripts. PLoS ONE, 2024.
- Williams, J. et al. (2014). Ancient Lives: crowdsourcing the transcription of ancient papyri. Digital Humanities 2014.
- Terras, M. (2016). Crowdsourcing in the digital humanities. In A New Companion to Digital Humanities.
- IIIF Consortium (2017–2025). IIIF Image API and Presentation API specifications.
- Snydman, S., Sanderson, R. & Cramer, T. (2015). The International Image Interoperability Framework: a community and technology approach. Archiving Conference 2015.
- Models and tools for the digital organisation of knowledge: the case of cultural heritage. Heritage Science, 2024.
- Fetaya, E. et al. (2020). Restoration of fragmentary Babylonian texts using recurrent neural networks. PNAS, 117, 22743–22751.
- Gordin, S. et al. (2020). Reading Akkadian cuneiform using natural language processing. Digital Scholarship in the Humanities, 35, 842–855.
- How AI is unlocking ancient texts—and could rewrite history. Nature, 2024.
- Popović, M., Dhali, M. A. & Schomaker, L. (2021). Artificial intelligence based writer identification generates new evidence for the unknown scribes of the Dead Sea Scrolls. PLoS ONE, 16, e0249769.
- Dhali, M. A. et al. (2017). Quill features for writer identification in historical manuscripts. Pattern Recognition Letters, 93, 24–30.
- Dating ancient manuscripts using radiocarbon and AI-based writing style analysis. PLoS ONE, 2025.
- Assael, Y. et al. (2022). Restoring and attributing ancient texts using deep neural networks. Nature, 603, 280–283.
- Roueché, C. (2022). Mind the gap as AI guesses at lost Greek inscriptions. Nature, 603, 297–301.
- Gutherz, G. et al. (2023). DeepScribe: a deep-learning based system for automatic cuneiform script recognition. Journal of Archaeological Science, 153, 105737.
- Snyder, L. et al. (2021). DeepScribe: automatic cuneiform text recognition. KDD Workshop on Machine Learning for Ancient Languages.
- Marchant, J. (2024). First passages of rolled-up Herculaneum scroll revealed. Nature, 626, 461–462.
- Mocella, V. et al. (2015). Revealing letters in rolled Herculaneum papyri. Nature Communications, 6, 5895.
- Popović, M. et al. (2025). Dating ancient manuscripts using radiocarbon and AI-based writing style analysis. PLoS ONE, 20, e0323185.
- Bronk Ramsey, C. (2009). Bayesian analysis of radiocarbon dates. Radiocarbon, 51, 337–360.
- Author response and supplementary calibration data for Enoch. PLoS ONE, 2025.
- Chinese inscription restoration based on artificial intelligent models. Heritage Science, 2025.
- Kahle, P. et al. (2017). Transkribus. ICDAR 2017.
- From fragments to faces: using metrological analysis for artefact re-association. Heritage Science, 2025.
- Brown, B. J. et al. (2008). A system for high-volume acquisition and matching of fresco fragments. ACM Transactions on Graphics, 27, 84.
- The Open Aurignacian Project: 3D scanning and open repositories of stone tools. Scientific Data, 2025.
- TEI Consortium (2024). TEI P5 Guidelines, Critical Apparatus module.
- Pierazzo, E. (2015). Digital Scholarly Editing: Theories, Models and Methods. Ashgate.
- Carroll, S. R. et al. (2020). The CARE Principles for Indigenous Data Governance. Data Science Journal, 19, 43.
- Local Contexts (2010–2026). Traditional Knowledge and Biocultural Labels.
- UNESCO Recommendation on Open Science. 2021.