本文介绍的 MMM 数据模型，是一份面向知识互操作性的规范性规范，作者为 Mathilde Noual，论文以 arXiv:2607.00032 提交于 2026 年 6 月 22 日，归类于人工智能（cs.AI）方向。论文的核心出发点是一个被长期忽视的结构性问题：当今大量信息系统是围绕“文档”构建的，而文档是一种为印刷生产和线性阅读而优化的自包含单元。这种组织方式在大规模传播知识方面确实高效，但它同时限制了知识的结构化方式、更新方式、共享方式与复用方式。
作者指出，形式化方法虽然能够部分缓解文档模型带来的局限，却难以获得广泛的贡献与采纳。原因在于，这类方法往往优先追求形式结构的严谨性，而相对忽视了人类可用性、适用范围等其他系统属性。结果是，形式化知识系统在小范围内可行，却很难成为大众日常表达与交流知识的载体。与此同时，人工智能系统正在深刻改变文档的生产方式，但它们并没有为人类提供一种统一、可移植的替代方案，用来取代传统文档在知识表达与交换中的地位。
针对这一空白，论文提出 MMM——一个用于知识文档化的数据模型。MMM 并非先验的理论构造，而是从跨学科协作研究的实际需求中生长出来的。论文将其置于信息系统的设计空间之中进行比较分析，以说明它在各类方案中的定位与取舍。MMM 的设计思路颇具张力：它只施加少量规范性约束，同时保留自由文本标签的表达自由度。换言之，系统在结构上保持最小化的强制性要求，而在语义层面允许使用者以自然语言自由标注，从而避免强迫不同领域的使用者达成语义收敛。
这种“少量规范约束 + 自由文本标签”的组合，正是 MMM 追求跨学科、跨应用、跨部署互操作性的关键。它不要求各方在概念体系上完全一致，而是通过规范层面的一致性保证数据可以被交换与理解，同时通过自由标签保留领域差异与表达弹性。这对于去中心化知识公地（decentralisable knowledge commons）的构想尤为重要，因为在这种场景下，参与者的背景、术语与目标天然多样。
论文还报告了参考实现与试点部署数据，用以证明 MMM 的可实现性与初步的可用性。这意味着该模型不只是一份抽象规范，而是已有实际落地验证。综合来看，MMM 试图在文档中心组织与形式化方法之间寻找第三条路径：既保留足够的规范结构以支持互操作，又不以牺牲人类可用性为代价，从而为 AI 时代的知识表达与交换提供一个可移植的替代方案。论文全文以 PDF 形式发布于 arXiv，DOI 为 10.48550/arXiv.2607.00032，提交版本为 v1，文件体积约 6,330 KB。