A multi-task multimodal reasoning framework for Oracle Bone character interpretation

甲骨文释读是解释汉字起源和推进中华文明研究的关键环节，但仍有三分之二甲骨文字形缺乏可靠释读。现有基于人工智能的方法多局限于字形匹配和局部特征分析，缺乏跨时期证据整合能力，难以形成符合文字学逻辑的系统推理链。针对上述问题，本文提出多任务联合的三阶段渐进式甲骨文单字释义多模态推理框架 ORACLE-PRIME，一方面协同训练字形感知、结构断代与演变推理等任务，实现甲骨文单字的多层次演变分析；另一方面引入多时期字形分类模块与规则奖励函数，以缩小释义结果与演变分析过程之间的偏差。为支持该训练范式，本文构建了首个覆盖字体库、部首分解、演变图像及权威释义的 40W 条规模预训练语料，并提出经人工审核的 9116 条高质量推理数据集 M3T-OBC，以评估模型多时期单字推理的能力。相较于基线模型 Qwen2.5-VL-7B 及其若干训练变体，本文方法在已破译与模拟未破译场景下取得更优的类别准确率与推理文本一致性表现，并在 PictOBI-20k 与 OBIBench 上优于多种开闭源多模态模型。更进一步地，在多个模拟未破译单字上，本方法能够给出详尽正确的多阶段演变分析推理结果，为甲骨文考释提供更充分的辅助证据。