加州大学河滨分校教授德米特里乌斯·刘易斯带领团队开发了一种基于人工智能的新工具，旨在纠正艺术评论中因“回顾性类型偏差”造成的误读。研究发现，用当代的流行标准去定义过去的作品，往往扭曲了创作者的原意及作品的真实价值。以电影《罪人》为例，若仅凭现代恐怖片的标签，可能忽略其利用恐怖隐喻刻画早期 20 世纪美国南方种族暴力这一历史剧的核心内涵。 刘易斯指出，类型标签的变化是常态，80 年代与今日的“恐怖片”定义截然不同。若坚持使用现代分类去分析旧作，会导致对作品定位与受众反应之间关系的系统性误解。跨类型的作品常因不符合单一类别而受到惩罚，被低估评分。然而，这种偏见并非不可改变，随着受众对新风格的适应，曾经被视为混淆的创新往往会成为新的主流类型，例如民谣摇滚的诞生或电影《魔女嘉莉》对恐怖题材的拓展。 为解决这一问题，研究团队利用大型语言模型构建了一套计算工具。该工具通过对比模型基于当前认知和基于作品发布当年文化语境的分类结果，还原了作品在当时语境下的真实定位。通过双重提示，系统能够自动校正类型标签随时间的演变，将作品置于其产生的特定历史背景中。 这一技术不仅有助于更公正地评估创作者的作品，避免先锋项目因分类不当而受挫，也能帮助观众更准确地发现和理解文化产品的全貌。通过还原历史语境，AI 工具正在平衡现代视角与历史真相，让受众能更清晰地感知作品最初问世时的真正面貌与意图。