arXiv 于 2026 年 9 月 24 日（周四）收到论文《Lighthouse: On Building a Trustworthy Digital Assistant for Exploring History with Civil Rights Archives》的投稿，该论文由 John A. Aydin 领衔，另有 6 位合著者，共 7 名作者。论文编号为 arXiv:2610.30158，属于计算与语言（cs.CL）类别，同时也涉及人工智能（cs.AI）方向，以 arXiv:2610.30158v1 版本发布，DOI 为 https://doi.org/10.48550/arXiv.2610.30158，由 DataCite 签发。论文提交于 2026 年 9 月 24 日 02:22:04 UTC，文件大小约 2,743 KB，提供 PDF 全文、实验性 HTML 版本及 TeX 源码，并附有音频摘要。
论文的核心工作是构建一个名为 Lighthouse 的数字助手（即通常所说的聊天机器人），据作者所知，这是首个专门用于探索美国民权运动时期历史的此类系统，使用来自南卡罗来纳州的数据。研究指出，人工智能作为决策支持辅助工具，为利用文本、图像和音频等多模态数据高效研究历史提供了新的手段。
从人工智能角度看，该系统的创新之处在于两条指导性设计原则：其一，聚焦内容的可信度；其二，通过建模来识别并减少生成答案可能对用户造成的潜在伤害。为实现这两点，系统采用神经-符号方法，将大语言模型（LLM）的神经学习与基于规则的符号求解相结合，在答案的风险与覆盖范围的通用性之间取得平衡。
在评估方面，Lighthouse 同时接受有单一可接受答案的事实性客观问题和主观问题测试。针对主观问题，研究团队通过汇总多位独立专家的回答来确立“黄金标准”，据此创建了一个主观问答对（QA）数据集，作为评估基准。系统可访问来自多个馆藏的超过 18,000 份一手资料，并且易于扩展。
需要说明的是，上述摘要信息来自 arXiv 元数据页面；论文的完整技术细节、专家汇总的具体方法、主观问答数据集的规模以及神经-符号组件之间具体的协调机制，均需查阅论文全文方可确认。该元数据页面还列出了浏览上下文（cs.CL，新提交，2026-10 归档）以及若干文献计量与引用工具链接，例如 SciX、Google Scholar、Semantic Scholar、Connected Papers、Litmaps、scite、alphaXiv、CatalyzeX、DagsHub、Hugging Face、ScienceCast 和 TXYZ.AI 等，并包含 arXivLabs 相关说明与作者背书情况查询入口。