M-ArtAgent：用于隐性艺术影响发现的基于证据的多模态智能体

隐性艺术影响虽视觉合理但常缺乏文档记录，导致历史归因困难。现有系统多依赖嵌入相似度，而多模态大模型易受时间不一致性影响。本文提出 M-ArtAgent，将影响发现重构为概率裁决过程。该智能体遵循调查、确证、证伪和裁决四阶段协议，由 ReAct 控制器驱动，从图像和传记中构建可验证证据链，强制执行艺术史公理，并通过隔离提示的批评者对假设进行对抗性证伪。实验表明，该方法在 WIB-100 基准上显著优于传统模式匹配方法，证明了基于历史依据的裁决对隐性影响分析的有效性。