在人工智慧和跨學科研究日益交叉的今天，傳統文件中心的資訊系統在知識結構化、更新和複用方面存在明顯侷限。這些系統以文件為基本單元，最佳化了列印和線性閱讀，但在大規模傳播之外，文件中心的組織方式限制了知識的靈活處理。形式上更嚴格的系統雖然試圖解決這些問題，但由於過分強調形式結構而犧牲了人類可用性和範圍，難以獲得廣泛的貢獻和採用。AI系統正在重塑文件生產，但尚未為人提供統一的、可移植的傳統文件替代方案。
一篇新的arXiv論文提出了MMM資料模型，作為一種規範化的知識文件規範，旨在實現可去中心化知識共享中的互操作性。MMM模型誕生於跨學科協作研究的實際需求，它結合了一小套規範性約束與自由文本標籤的表達自由。這種設計使其能夠在不要求語義收斂的前提下，實現跨學科、跨應用和跨部署的互操作性。論文透過參考實現和試點部署資料，證明了模型的可實現性和早期可用性。
研究團隊強調，MMM並非要完全取代傳統文件，而是提供一種統一的可移植替代方案，以適應人表達和交流知識的需求。在AI重塑文件生產的時代，MMM填補了缺乏行動式知識交換標準的空白。該工作於2026年6月22日提交至arXiv，屬於人工智慧（cs.AI）領域，作者為Mathilde Noual。論文還提供了參考實現和試點部署資料，以展示其實用性。