ArtAnno：通过LLM代理驱动的双向人机增强为艺术品标注隐式语义

ArtAnno是一个针对艺术品标注的AI系统，由多代理架构驱动，旨在解决隐式语义标注难题。其提出的BiHAA框架实现了人机双向增强：AI通过语义挖掘和标签建议辅助人类，人类则通过将标注轨迹提炼为可复用经验来持续改进AI。用户研究和案例评估显示，系统提高了标注效率，促进了知识积累，并减少了信息查找与验证的负担。

当前AI辅助标注工具多依赖单向流程，专家需额外手动校准模型，效率有限。ArtAnno引入闭环的双向人机增强机制，使标注过程中AI与人类持续互促，这改变了以往静态的单向辅助模式，为需要领域知识的标注工作提供了新范式。

系统包含两个模块：Proactive Agentic Support Module，AI通过语义挖掘和标签建议增强人类；Interaction-Driven Evolution Module，将人类标注轨迹提炼为经验，反馈给AI。两模块形成闭环，使领域知识库和技能随交互进化，从而减少对标注者专家知识的依赖。该机制基于20位标注者的形成性研究设计。

该系统可提升标注效率，降低对标注者领域知识的要求，减少信息搜索和验证成本，并支持知识积累。对艺术品标注或类似领域工具，可能优化工作流程，使新人更快上手，减少专家干预需求。

• 开发类似双向增强框架的标注工具，应用于文化遗产数字化或艺术数据库建设，自动发掘隐式语义并持续学习。
• 将反馈闭环机制集成到现有标注平台，支持众包标注场景，降低专业门槛，提升数据质量。
• 针对特定领域（如历史文献、科学图像）定制ArtAnno的代理模块，提高信息检索准确性和标签相关性。

• ArtAnno是否已商业化或开源，或者仍处于研究原型阶段？
• 该框架在除艺术品外的其他领域（如医学影像）的泛化效果如何？
• 多代理架构的具体代理数量和分工细节尚未从本文中披露。
• 用户研究的具体样本量和定量效果（如效率提升百分比）未在摘要中提供。