大语言模型解读、嵌入向量组织、图谱涌现：基于智能体驱动的科学知识编译

arXiv:2608.29612v1

摘要

持续性的科研工作需要一套知识底层支撑，能够跨任务承载语义解读结果，同时保留溯源到原始证据的访问路径。本文将该过程定义为科学知识编译（scientific knowledge compilation），并实现了ASKS系统------智能体驱动的科学知识系统（Agent(G_{t‑1})Driven Scientific Knowledge System）。

对于每一份原始文献，大语言模型（LLM）会生成可读的Wiki视图以及面向机器的语义表示；确定性校验将机器语义转换为文档局部的GraphDelta（图谱增量）；结合嵌入向量几何空间与显式图谱规则，将增量变更整合进持久化知识状态。每一次数据接入（ingest）都是一次可审查的状态迁移，编译得到的Wiki视图与图谱视图均与原始文献记录绑定。

本文以一个研究项目的56篇论文按时间顺序完成知识编译，通过分支存活度、跨论文证据支撑、谱系关系、覆盖度与变更抖动等指标，得到一套可溯源的作者研究画像。该研究以张量网络方法为核心，同时衍生出量子多体研究、张量网络机器学习、量子(G_{t‑1})AI交叉等研究分支。在该实验中，高层级Hub导航组织结构保持稳定，抖动率低；标准节点的增长以增量式新增为主；图谱层面的各项测量指标与导航路径均可回溯至原始文献。

1 引言

科研工作积累的不只是一篇篇文档。研究者会逐步构建一套可复用的知识体系，包含方法、学术主张、专业术语、待解决问题，以及跨时间维度的概念关联。Don Swanson在1986年提出未被发现的公共知识（undiscovered public knowledge），点明分散在不同文献中的事实难以建立关联的核心难题，基于文献的发现（Literature(G_{t‑1})Based Discovery, LBD）领域就此发展，致力于打通割裂文献之间的联系。

四十年过去，科研文献体量更大、异构性更强、产出速度更快。支撑长期科研项目的知识体系，需要打通论文、术语、方法与时间维度。

科研智能体（Scientific Agents）为解决这一传统难题带来新的可能性：智能体可以检索文献、调用工具、分析数据、生成假设、参与实验工作流。检索增强（RAG）系统可以为单次任务组装外部证据，但大多生成临时上下文。"永不停止的语言学习（Never(G_{t‑1})ending language learning）"较早提出持续扩展知识库，服务后续学习。

反复运行的智能体工作流提出新的基础设施目标：积累、修订、重组历史解读结果，让后续智能体可以继承持久化的知识底层，直接基于已有成果继续工作。检索决定智能体当前可以读取哪些材料；而知识编译决定后续任务可以继承哪些成果。

已有多条研究路线为此提供组件：知识图谱与科学知识图谱把实体、关系、学术主张转为机器可处理形式；LLM(G_{t‑1})KG方向研究图谱增强大模型、大模型增强图谱、协同系统；构建系统实现自动抽取、标准化归并、模式归纳、图谱富集；句子嵌入提供可扩展的语义空间用于相似度检索与聚类；动态网络、动态知识图谱研究社区的诞生、分裂、合并等结构演化。

上述组件均已有成熟工作，但仍存在架构层面的待解决问题：如何把它们组合成一套具备溯源能力的持久化"原始文献→图谱"状态迁移系统，支持对文档局部变更、完整构建历史、衍生导航视图进行审查、重放与量化评估。

本文把这套状态迁移流程形式化为科学知识编译 ，并在ASKS系统中落地实现。LLM将每一份输入源编码为人类可读的Wiki视图和面向机器的语义表示；经过校验的GraphDelta记录文档局部变更；嵌入向量将新旧知识置于共享语义几何空间；显式的身份、归属、生命周期规则，把语义相似度转换为合法的图谱更新。反复执行该流程，得到演化状态轨迹：

D1,...,Dt→ASKSG1,...,GtD_{1},\ldots,D_{t}\xrightarrow{\mathrm{ASKS}}G_{1},\ldots,G_{t}D1,...,DtASKS G1,...,Gt

图谱记录多次编译累积得到的整体状态。本文的知识编译属于源变换视角：传统知识编译把形式化理论转换为可高效推理的目标语言；ASKS将科研文献编译为带溯源的表示与不断演化的图谱状态。

定义：科学知识编译：对科研文献进行反复、保留溯源信息的变换，输出可修订的知识表示与持久化关系状态，可供后续科研任务继承使用。

基于LLM的语义解读，将大量劳动密集型的语义抽取、本体填充放到可审计的编译阶段，这与近期自动化知识图谱构建、富集系统的动机一致。在ASKS中，模型输出必须绑定原始来源，写入持久化存储前需要经过显式校验。语义嵌入提供可复用的组织几何空间，原始文献证据承载科研权威性。

图谱涌现（graph emergence）是一种构建层面的属性：高层导航组织结构，来源于多次局部文献编译与图谱状态迁移，而不是由单篇文献直接输出完整全局结构。该思路借鉴自自组织系统的局部交互思想：宏观结构由大量局部规则下的反复低层级交互生成；同时也和涌现语义（emergent(G_{t‑1})semantics）研究一脉相承，全局语义组织由反复局部交互与图谱变换逐步形成。

贡献与研究边界

本文包含两项方法学贡献：

将持久化科学知识构建形式化为保留溯源信息的编译过程，每一份输入文献都会触发一次可审查的知识状态迁移。
实现ASKS系统：经过校验的文档局部GraphDelta、保留溯源的知识融合、嵌入驱动的知识组织、持久图谱状态、支持流程重放。

本文在56篇按时间排序的论文集合上开展实验，通过节点复用率、多源证据支撑、成员抖动、Hub诞生、持久度、谱系、画像覆盖率等指标评估构建轨迹。本研究仅评估该轨迹内部的知识形成与持久化；顺序重构、跨领域迁移、与其他图谱构建方法的对比属于后续鲁棒性评估工作。附录A(G_{t‑1})E提供可复现记录、完整组织与事务规则、重新接入与重放契约、智能体实现机制。附录表5提供完整56篇论文数据集。

图1 ASKS中的科学知识编译：原始文献DtD_tDt完整保留；LLM生成Wiki可读视图WtW_tWt与机器语义槽StS_tSt；校验后的语义结合确定性源关系，生成可审查的文档局部图谱增量Δt\Delta_tΔt；嵌入几何与显式图谱规则将增量融合进已有状态GtG_tGt，生成Gt+1G_{t+1}Gt+1。循环执行，将局部解读转变为不断演化的研究地图。持久化Wiki与图谱视图提供导航，所有科学主张均可定位到原始证据。

2 ASKS：系统模型

研究者视角

研究者向ASKS输入论文或其他科研记录。原始输入完整保留。ASKS将其编译为可读视图与机器语义表示，把新内容链接到已有知识库，更新演化的研究地图。地图帮助研究者或智能体确定阅读方向，所有事实路径均可回溯原始文献。

系统输出一套可审查、可修订、可跨任务继承的编译笔记与关系集合。

ASKS区分三类对象：接收的原始记录、编译后可复用持久视图、构建过程中临时对象。

源记录（source record）：原始论文、科研产物、稳定元数据、用于寻址的机器可读衍生文件。
编译后的知识（compiled knowledge） ：供研究者与智能体反复使用的持久视图：Wiki页面、关键词、命题、图谱关系、Hub。
- Hub：持久导航区域，代表研究空间中一个连贯的知识片区，用于导航；事实权威性仍然来源于原始文献证据。
研究状态（research state）：待解决问题、临时解读，处于待评审状态，后续才可能固化进正式知识。

三者拥有不同更新规则，承担不同科研角色。

源记录与持久图谱之间，接入流程会生成临时编译状态：包含当前源抽取的语义槽、校验后的文档子图、内存中的GraphDelta（记录本次要新增/修改的内容）。这些对象类似编译器的中间表示，让整个变换过程可审查，仅作为构建阶段临时对象。Wiki页面与图谱是同源的并行编译产物；语义槽与GraphDelta驱动二者的构建。

核心数据流：

Dt→LLM{Wt,St}→deltaΔt→fusion+organizationGt+1D_{t}\xrightarrow{\mathrm{LLM}}\{W_{t},S_{t}\}\xrightarrow{\mathrm{delta}}\Delta_{t}\xrightarrow{\mathrm{fusion+organization}}G_{t+1}DtLLM {Wt,St}delta Δtfusion+organization Gt+1

WtW_tWt：Wiki可读视图；StS_tSt：机器语义表示；Δt\Delta_tΔt：校验后的文档局部图谱增量。反复执行得到图谱轨迹 G0,G1,...,GTG_0,G_1,\dots,G_TG0,G1,...,GT。LLM完成单篇文献解读；全局组织结构来源于连续局部增量与已有图谱的交互。

2.1 源记录与两类编译输出表面

源处理遵循保守原则：编译生成便捷的衍生表示，但原始输入完整保存。FAIR原则推动持久标识与复用；PROV(G_{t‑1})DM本体区分实体、活动、智能体与衍生关系；RO(G_{t‑1})Crate实现异构科研产物打包与元数据关联。ASKS将上述思想落地为工程边界：源包带版本号，提供稳定引用；衍生视图可以重新生成或修订。

两类编译输出：

Wiki视图：面向人与大模型阅读，包含导航摘要、结构化内容，全部链接回原始源记录。
图谱视图：面向计算，节点与关系连接Wiki页面、原始数据包、概念、人物、命题、Hub。图谱与Wiki分开存储。

语义槽拥有独立契约，编译进入图谱状态；可读综合文本与机器关系结构可以在不同校验契约下独立演化。

将人类可读文档和机器可处理语义结合已有较长研究历史：语义文档架构通过多访问形式连接文档与本体；Semantic MediaWiki在Wiki页面嵌入语义注解。ASKS采用不同的表示划分：Wiki视图与图谱是从同一原始源编译得到、分开校验的并行产物。这种同源证据根，使得可读综合文本与机器关系可以按不同契约演化。该多元表示思路与nanopublications、ORKG、语义单元等学术知识细粒度寻址方案保持一致。

2.2 三大计算角色

论文标题概括编译器的三层尺度：LLMs interpret（大模型做解读）、Embeddings organize（嵌入向量做组织）、Graphs emerge（图谱发生涌现）。知识编译指代完整的"源→图谱"变换流程，LLM作为编码阶段。表1总结各层角色、输出、权威边界。

LLM做解读

大语言模型将面向人类的原始文献转换成本地语义。生成可读Wiki内容，输出描述文档局部关系的语义槽。该阶段把灵活的语言理解集中在文档局部输出，写入持久图谱前必须经过校验。这与LLM辅助知识图谱构建的大趋势一致：人工抽取、本体填充逐步交由模型完成，但增加显式的一致性校验步骤。

嵌入向量做组织

编译后的节点描述、Hub范围映射到共享语义空间，句子嵌入用于相似度计算与聚类。该空间的相似度被广泛用于实体消歧、命题对齐、论文路由、节点(G_{t‑1})Hub归属、Hub生命周期候选判断。

嵌入几何不只是检索索引，更是将新增局部知识与已有图谱耦合的核心连续变量。词法门限、图谱亲和度、阈值、迟滞效应、路由检查、Hub容量规则、谱系约束，把连续的几何相似度转化为合法离散状态变更。

图谱涌现

图谱记录多次编译累积得到的结果。直接源链接、机械关系被显式编译；高层组织结构来自大量接入历史的累积。随着新节点到来，Hub成员可以松弛调整；过载Hub会重新分配或拆分；未分配的知识片区可以生成新Hub；已有分支在生命周期规则下发生分裂、合并、漂移、废弃。全局配置在累积轨迹中逐步演化。这些动力学过程生成候选结构；高影响事件（如Hub范围确认、分裂合并）需要智能体或研究者提供人类可读的语义解释。

表1 ASKS的分工与权威边界

层级	核心角色	输出表示或信号	科研权威性来源
源记录	保存原始科研记录，提供稳定寻址	原始文件、元数据、机器衍生文件	原始文献记录陈述的第一手证据
LLM	解读单份文献，输出局部语义	可读Wiki内容、校验后的语义槽	文档局部解读，需校验与复核
Embedding嵌入	将局部与累积知识放到共享语义几何空间	相似度信号，用于实体识别、路由、归属、生命周期门限	在编码门限内评估语义接近程度
Graph图谱	保存带溯源的关系、Hub组织、构建历史	持久、可修订的导航结构	导航使用，证据可回溯源记录

2.3 接入（Ingest）作为状态迁移边界

Ingest（接入）：一份文献进入系统的受控状态迁移，包含预处理、LLM编码、语义校验、局部GraphDelta构建、关联规划、图谱组织、校验、日志记录。融合具备事务性：文档更新要么全部成功，要么回滚到之前图谱状态。

该边界把模型主观判断与可机械检查的义务隔离开。LLM不同运行轮次输出存在波动；嵌入分数是模型导出的数值；但源标识、图谱对象类型、Delta硬错误、源链接、写原子性、后置条件都可以程序校验。源寻址、校验、去重、保存点、溯源记录、快照是机械可执行；Wiki撰写、语义槽、嵌入相似度属于模型输出。重要实体识别决策、Hub生命周期提交必须经过显式闸门，记录操作来源，方便后续重新接入与重放，定位哪一份源、哪一次操作改变图谱。数据库溯源、真值维护系统为此提供参考。

2.4 权威性与解读

架构将计算组织逻辑与科研权威做分离。原始源提供文献陈述的第一手证据；完整科研评估需要结合多份记录、分析、专家评审。Wiki页面是编译后的可读视图；语义槽、GraphDelta是构建中间产物；图谱节点与Hub提供持久计算组织；嵌入分数量化语义接近程度；科学正确性仍然锚定原始源证据与人工判断。图谱用于导航，事实主张必须能够溯源原始文献。

人工判断集中在赋予科学语义的关键环节：消除高影响歧义、审批Hub范围、解读分裂合并、判断涌现组织是否值得进一步研究。

3 知识编译：从局部解读到全局组织

知识编译实现为反复执行的Ingest协议，分为**编码（encoding）与整合（consolidation）**两个阶段。编码回答"这份文献说了什么"，输出文档局部表示；整合回答"这些表示相对于已有知识应该放在哪里"。前者偏向语义与语言处理；后者偏向几何、结构、状态管理。两者结合，把文档局部解读连接到持久图谱组织。

3.1 编码：一份源，两类互补输出

每份源生成两份独立契约的输出。

持久Wiki页面，供人与模型阅读。确定性骨架提供元数据与章节结构；LLM填充简短导航摘要与结构化内容；源路径由程序确定。Wiki作为可读编译视图与回溯接口；原始源作为事实基准。
面向机器的语义表示：LLM输出主谓宾形式语义槽。语义槽独立于Wiki存储，图谱构建前单独校验。可读综合文本面向表达与上下文；语义槽面向归一化、类型检查、过滤、修复、拒绝。Wiki作为可读接口，语义槽作为面向图谱的契约。

两类输出经过不同校验：Wiki校验元数据与章节结构完整性；语义校验校验谓词注册、重复、引用片段、裸缩写、描述短语。严重错误阻断事务；轻微警告留待后续修复。LLM作为灵活解释器，但写入持久存储受强约束。

3.2 GraphDelta：文档局部中间表示

图谱构建融合三类关系：

确定性关系：从源元数据、寻址机械导出，Wiki页面关联原始数据包，作者元数据生成作者边，声明的相关记录生成引用边。
校验后的语义槽：提供文档局部语义边。
少量机械包含关系：来自已接受节点。

这些关系首先进入内存的GraphDelta对象，包含页面、原始数据包、候选边、需要实体解析的边界提及、标准终结点、结构性硬错误。GraphDelta是当前源提出的图谱变更清单，写入持久存储之前的文档局部中间表示。

Delta在挂载前执行校验：每份源必须可解析到原始数据包；空三元组、自环为严重错误；精确重复三元组自动删除。边界提及执行有序实体识别流程：优先标准ID与唯一别名，其次名称分解匹配，最后嵌入辅助识别闸门。闸门判断新源中的概念是引用已有图谱对象，还是应当新建独立对象。需要同时满足词法证据、标签与嵌入相似度，并且胜者分数差距足够大。模糊候选会显式弃权，对应边保持挂起。持久复用节点必须有充分实体识别证据。

主题路由体现局部(G_{t‑1})全局边界："研究关键词""主要研究"这类语义槽谓词保留为文档局部描述；全局论文路由将论文研究定位文本与Hub在嵌入空间做比对。LLM解读文档内容；研究地图由跨文档Hub路由累积生成。

3.3 事务融合与保留溯源的复用

挂载规划完成后，文档Delta在数据库保存点内部执行融合。文档更新要么完整提交，要么回滚到之前图谱状态。融合按规划新建或复用节点，每条不同边仅写入一次，校验页面节点、原始数据包、源边必须存在。严重校验失败触发完整回滚。

跨源复用时在紧凑标准拓扑内部保留谱系。当一条边已经存在，新文献会追加到该边的来源记录。同一条关系可以累积多个独立文献来源，同时维持可复用的单条图谱边。这在科学层面与工程层面都具备价值：多源证据支撑显式记录在谱系拓扑中，与多源断言的溯源表示思路一致。

编译器类比：语义槽是机器中间形式；GraphDelta是规划后的对象级状态变更；挂载等价于符号链接；保存点对应提交边界；持久图谱是跨多源、跨时间经过校验编译的输出。

该实现与近期LLM图谱构建工作形成对比：EDC将标准化归并作为抽取之后独立阶段；AutoSchemaKG、KARMA实现自主模式归纳与图谱富集；paper2lkg、Oarga、SciGraph(G_{t‑1})LLM等从单篇科学文档构建局部图谱。ASKS以源驱动的局部构建为起点，扩展出增量跨文档调和：每篇文档与全部历史Ingest生成的图谱做链接；变更在写入边界前可审查；Wiki与图谱作为并行持久输出；完整状态轨迹保留用于重放与度量。

3.4 嵌入驱动的组织

源局部Delta完成融合后，使用同一套嵌入几何，通过一组局部规则对图谱重新组织。数值阈值为演示实验配置，冻结数值见附录表3。

实体识别与命题对齐

最近邻分数给出候选，多信号闸门决定节点复用。承载主张的命题采用更保守策略：极高相似度直接复用命题；中间相似度生成语义关系同时保留两个节点；低相似度保持互相独立。中间区间让语义接近转化为显式图谱结构，同时保留不同主张。

归属：连续→离散组织

每次Ingest之后，受影响邻域的普通节点重新评估Hub归属。对关键词、命题，语义亲和度为主，图谱邻域亲和度作为结构信号。归属引入迟滞（hysteresis）：节点进入Hub需要比留在Hub更高证据阈值，避免小分数抖动造成频繁重分配。当父Hub、子Hub同时都合理，轻微偏向子Hub，偏向更细粒度组织。归属可以从当前状态重新构建，具备可修订性。嵌入几何提供连续交互场；阈值、结构、迟滞把场转为相对稳定的离散归属关系。

Hub诞生、过载、分裂、合并

当待分配节点的成对嵌入图形成足够大高内聚组件，可以生成Hub诞生候选。已有Hub也是动态对象：成员数超过配置容量，优先将成员重分配给可用子Hub；剩余过载Hub进入分裂分析。分裂接受条件：成员几何可分离、子范围可区分、路由探针可以有效恢复成员。合并候选结合Hub范围、原型相似度，再加上下文描述的近期谱系约束。以上三者数值机制生成结构候选；高影响写入需要智能体确认或生成人类可读语义承诺。

3.5 谱系作为结构记忆

嵌入相似度提供吸引关系；谱系记忆为吸引赋予方向与持久度。分裂生成显式父子谱系。当节点同时兼容父Hub与子Hub，轻微偏向子Hub，鼓励知识收敛到更细粒度片区。Hub活跃成员超过20，优先尝试将成员重分配到已有子Hub；仍然过载则生成分裂候选。该机制形成从宽泛过载区域向更细粒度组织演化的方向压力。

互补规则：谱系保留。合并分析向上追溯最多三代父子祖先。两个标准Hub若近期祖先集合相交，视为同源亲属，保留独立分支状态。具备不同谱系的分支可以执行保留谱系的合并：被废弃Hub通过重定向保留，历史仍可寻址。

组织动力学拥有两类记忆：

迟滞：归属边界的时间记忆
谱系：层级边界的结构记忆

两者共同让图谱涌现成为贯穿多次Ingest的连续动态过程。

3.6 编译作为可重放、可修订的状态迁移

完整Ingest是有序编译器流程：校验预处理源、编码局部语义、校验语义输出、构建审查文档局部Delta、事务融合Delta、重组受影响图谱邻域、校验最终状态。顺序保证因果性：源先解读，局部表示再全局挂载；规划Delta在持久化之前可见。完整状态机与写入不变量见附录C。

一个实用的知识编译器不仅支持增长，也支持修订。重新接入（Re(G_{t‑1})ingest） ：当衍生文件、元数据、局部语义需要重新考虑，对已有源重新执行构建。重编译（Recompilation）：从记录的源与依赖重新构建衍生状态。Hub归属可以重建；生命周期操作保留谱系与历史。上述选择让编译输出可修订，同时维持稳定源边界。附录D、A描述重放、隔离、冻结产物契约。

编译算子总结：

Δt=CLLM(Dt),Gt+1=F(Gt,Δt;E,Θ)\Delta_{t}=C_{\mathrm{LLM}}(D_{t}),\qquad G_{t+1}=F(G_{t},\Delta_{t};E,\Theta)Δt=CLLM(Dt),Gt+1=F(Gt,Δt;E,Θ)

DtD_tDt：新接入源；CLLMC_{\mathrm{LLM}}CLLM：源局部语义编译，输出校验后的文档Delta；EEE：嵌入模型；Θ\ThetaΘ包含实体识别闸门、阈值、图谱亲和规则、迟滞、容量限制、谱系约束。第5节反复应用该编译器，研究产生的宏观行为。

4 使用编译后的结构：先导航，再回答

在本文中，查询是编译之后的次要环节，用于验证编译后的状态对科研人员是否具备实用性。语义与图谱表示帮助智能体确定去哪里查找；读取带源地址的原始文献确定"记录实际说了什么"。检索增强RAG优化获取上下文；科研主张验证识别支持、矛盾、尚需更多证据的问题。系统将两种角色严格分离。

4.1 在同一语义几何空间执行检索

编译阶段使用的嵌入空间同时作为检索面。研究者输入自然语言问题，语义检索返回相关关键词、命题、页面、源片段，即便措辞不完全一致。图谱通过显式关系、Hub、邻域补充结构信息。相似度与图谱位置分配注意力；带源地址的证据提供事实权威性。

编译后的页面作为阅读索引与源定位器。智能体可以查看简短摘要与标题结构，选择相关章节，跟随引用跳转稳定源定位器。这种分阶段阅读聚焦相关上下文，明确阅读范围。长上下文可靠性随输入位置变化；精确源操作可以区分"文档可用"和"确实读取了该片段"。

4.2 支持追踪与临时研究状态

查询内部输出为支持追踪（support trace）。被源支撑的主张记录支撑它的源片段；复合判断结合多条源支撑主张，记录依赖；开放项记录需要进一步检索的问题、冲突、已探索路径。这与引用感知、事后归因工作相关；本处追踪直接来源于检索与阅读操作，提供过程级溯源。

复合判断属于临时研究状态；第5节研究持久编译组织的图谱涌现。后续显式构建或评审操作，可以把有用假设提升到持久表示。底层搜索结果描述该语料覆盖范围；更广泛的科研结论依赖外部评审。对于自然科学研究者，提问(G_{t‑1})阅读解释的交互背后，记录检索了什么、读取了什么、哪些问题仍然开放。

5 图谱涌现：从56篇论文得到作者研究画像

图谱涌现指反复应用第3节编译器产生的宏观行为。每份源生成本地Δt\Delta_tΔt；融合与组织将GtG_tGt变换为Gt+1G_{t+1}Gt+1。分析轨迹：

G0→G1→⋯→GTG_{0}\rightarrow G_{1}\rightarrow\cdots\rightarrow G_{T}G0→G1→⋯→GT

标题中"图谱涌现"，指大量局部解读整合完成后，在演化轨迹上观察得到的高层结构。

节点复用/新建发生在挂载层；Hub归属属于介观层面；层级细化与生命周期事件发生在组织层面。本文定义图谱涌现：在局部编译规则下，由多次更新生成的持久高层导航结构，符合自组织系统从局部到全局的分析框架。证据边界限定在编译器状态轨迹上观察到的导航组织结构。

动态网络研究已经研究社区诞生、分裂、合并、消亡；动态知识图谱用于识别科研语料中的涌现社区。ASKS采用源编译机制：传入图谱元素首先由LLM从单篇科研源解读，再通过持久嵌入几何、保留溯源的复用、归属松弛、容量压力、感知谱系规则完成整合。

智能体图谱扩展工作可以作为紧密对照：Buehler将推理原生LLM耦合持续更新图谱，递归生成概念关系，在自组织知识网络观察Hub、模块性、桥接节点。ASKS通过源驱动编译轨迹实现增长：保存的科研文献生成源局部候选变更；写入持久存储受校验闸门控制；接受的Delta跨文档累积。涌现组织作为科研文献之上的可溯源导航；科研新颖性依靠评审完成判定。

5.1 局部更新如何变为全局结构

挂载层：源局部提及可以复用已有节点、保持模糊、新建节点。复用边在紧凑标准拓扑内累积来源记录。Hub层面：受影响节点使用语义与结构亲和度重新评估归属。层级层面：容量、谱系规则允许未分配高内聚片区生成新Hub，已有组织可以在保留历史前提下细化。最终研究地图由上述更新累积得到。

嵌入相似度是耦合新旧知识的核心连续变量。对于描述KaTeX parse error: Can't use function '$' in math mode at position 1: \̲(̲u,v$，基础语义交互为余弦相似度：

KaTeX parse error: Can't use function '$' in math mode at position 3: s(\̲(̲u,v$)=\frac{\l...

fff为文本描述，EEE为嵌入模型。该公式提供共享几何，被多条局部规则复用，每条规则叠加词法、结构、生命周期约束。

动力学具备两类显式记忆：归属迟滞（时间记忆）；Hub谱系（结构记忆）。完整生命周期规则见附录B(G_{t‑1})C。

5.2 如何理解"图谱涌现"

区分三层评估：

形成（Formation）：在局部规则下，反复源局部编译生成持久高层导航结构。
鲁棒性（Robustness）：重构或扰动后功能等价结构是否复现。
科研解读（Scientific interpretation）：该结构对领域研究者意味着什么。

Hub在形成层面完成导航功能；鲁棒性与科研解读属于后续评估层。下面演示案例只证明形成、多源支撑、单条冻结时序轨迹上的持久度。评估边界限定在该轨迹；顺序鲁棒性、因果分解、领域解读属于后续评估。

5.3 时序演示实验

语料与编译边界

演示使用边界明确、物理隔离的时序语料。冻结清单起始为65份候选记录，通过固定纳入规则得到56篇独立发表论文，3篇排除，6篇仅相关记录。当在线优先发表日期与正式期刊卷期年份不同，以正式期刊年份作为时序分组。论文时间跨度2010(G_{t‑1})2026。完整文献清单见附录表5。

该语料提供可解释演示边界：源集合明确、时序有意义、输出组织可以对照已知研究轨迹。生产知识库与本次运行完全隔离。局部编译、融合、Hub页面、嵌入缓存、图谱快照放在物理隔离工作区。

冻结两阶段构建

从干净派生状态开始，按发布清单的冻结时序顺序编译56篇论文。源局部LLM编译提前完成并冻结，之后再执行依赖图谱的融合；该轨迹展示一组固定局部解读如何随着累积状态增长完成挂载与组织。每处理完一份源，记录实体识别决策、多源谱系、Hub归属、Hub生命周期事件、完整图谱快照。

L阶段：全部论文新鲜抽取、局部编译为Wiki视图、语义槽、校验后的源局部包。经过结构与分层语义审计，56个包冻结。
G阶段 ：从空图谱G0G_0G0开始，按发布清单顺序融合包，按正式发表年份分组。实体挂载、命题对齐、归属刷新、Hub生命周期分析基于当前KaTeX parse error: Can't use function '$' in math mode at position 5: G_{t\̲(̲G_{t‑1}$1}，L阶段LLM输出固定不变。每个Hub诞生候选必须经过哈希绑定的提交/拒绝决策。冻结模型、阈值、代码哈希、隔离路径见附录A。

运行完成全部56次融合，生成57份数据库快照；全部快照通过只读完整性校验；170份产物收据SHA(G_{t‑1})256校验匹配；56步报告全部通过图谱校验；构建工作区与生产Wiki、图谱物理隔离。

为观测编译轨迹，定义3个可观测指标：

单篇论文ttt的复用率：

KaTeX parse error: Can't use function '$' in math mode at position 1: \̲(̲R(t)$=\frac{n_...

截至步骤ttt累积复用率：

Rcum(t)=∑τ=1tnreuse(τ)∑τ=1t $nreuse(τ)+ncreate(τ)$ R_{\mathrm{cum}}(t)=\frac{\sum_{\tau=1}^{t}n_{\mathrm{reuse}}(\tau)}{\sum_{\tau=1}^{t} $n_{\\mathrm{reuse}}(\\tau)+n_{\\mathrm{create}}(\\tau)$ }Rcum(t)=∑τ=1t $nreuse(τ)+ncreate(τ)$ ∑τ=1tnreuse(τ)

多源合并指标：

KaTeX parse error: Can't use function '$' in math mode at position 1: \̲(̲M(t)$=\frac{N_...

旧节点归属抖动率：

KaTeX parse error: Can't use function '$' in math mode at position 1: \̲(̲C(t)$=\frac{\#...

图2 56篇论文时序编译轨迹。(a)跨时序Ingest的标准节点复用率KaTeX parse error: Can't use function '$' in math mode at position 1: \̲(̲R(t)$与多源合并指标KaTeX parse error: Can't use function '$' in math mode at position 1: \̲(̲M(t)$。(b)旧节点Hub归属抖动率KaTeX parse error: Can't use function '$' in math mode at position 1: \̲(̲C(t)$单独绘制，幅度远小于前两者。浅色标记线为单篇原始值；深色曲线为5篇滑动平均作为可视化参考。指标显示全程抖动很低，复用率、合并指标呈现轻微下降趋势。

本次运行：204次合法挂载决策复用标准节点，878次新建节点，5次弃权。Rcum(56)=0.1885R_{\mathrm{cum}}(56)=0.1885Rcum(56)=0.1885。单篇平均KaTeX parse error: Can't use function '$' in math mode at position 1: \̲(̲R(t)$=0.2043；前10篇均值0.1715，后10篇0.1512。OLS拟合每篇论文斜率−5.41×10−4-5.41\times 10^{-4}−5.41×10−4，复用率轻微下降。

多源合并指标KaTeX parse error: Can't use function '$' in math mode at position 1: \̲(̲M(t)$在G12G_{12}G12达到峰值0.1420，最终0.06764。多源节点绝对数量从峰值24增长到G56G_{56}G56的60；但合法标准节点分母从169增长到887，增长更快。拟合斜率−2.94×10−4-2.94\times10^{-4}−2.94×10−4。在该编译器中，节点新建速度超过合并速度，在不断扩大的标准词汇库下，合并占比呈下降趋势。

介观层面，旧结构变化很小。KaTeX parse error: Can't use function '$' in math mode at position 1: \̲(̲C(t)$均值0.00467，中位数0.00131；55个有效步骤中有26步旧节点归属无变化；最大值0.03139。生命周期以诞生为主：时序运行共提交18次Hub诞生；全部18个Hub在G56G_{56}G56仍然活跃；分裂、合并、废弃计数均为0。ASKS本身实现完整四类生命周期操作；该轨迹仅触发Hub诞生与归属动力学，分裂合并废弃未触发。18次诞生事件中，16次诞生时已经关联多篇文献；4次生成父子谱系。2次单文献诞生仍然作为有效导航单元，捕获聚焦的局部结构。图2、图3展示以诞生为主、低抖动的导航层，从诞生之初就具备跨文献结构。

2024年密度异常论文D047：Eigenstate thermalization and its breakdown in quantum spin chains with inhomogeneous interactions ，DOI:10.1103/PhysRevB.109.045139。该论文贡献105次新建、2次复用，占全部新建决策的11.96%。直接贡献敏感性分析：移除D047直接贡献，Rcum(56)R_{\mathrm{cum}}(56)Rcum(56)从0.18854提升至0.20718，最终MMM从0.06764提升至0.07663；对应KaTeX parse error: Can't use function '$' in math mode at position 1: \̲(̲R(t)$斜率变为−3.09×10−4-3.09\times10^{-4}−3.09×10−4。该分析保留下游融合序列与其余冻结输出。该密度异常论文在整体增量词汇轨迹中起到放大效应。附录图S1给出完整敏感性曲线。

该演示体现结构导航编译 ：固定的局部解读，在真实时序序列上累积得到持久、低抖动的Hub组织。标准节点合并呈现轻微下降趋势；顺序鲁棒性属于后续重构研究。在该冻结轨迹中：图谱先完成组织，词汇再完成合并。

解读时序轨迹

论文发表序列体现方法连续性，以张量网络（TN）为核心，主题逐步分支。早期工作以张量网络算法、量子多体应用为主；后期使用同一套表示与优化语言拓展到张量网络机器学习、量子态与量子线路构造、量子(G_{t‑1})AI方向。

三个时间区间：

2010(G_{t‑1})2018：19篇论文，2次Hub诞生；合并复用率0.211；平均旧节点抖动0.00548
2019(G_{t‑1})2021：18篇论文，10次Hub诞生；合并复用率0.224；平均旧节点抖动0.00479
2022(G_{t‑1})2026：19篇论文，6次Hub诞生；合并复用率0.143；平均旧节点抖动0.00378

主题多元化解释复用率下降趋势；编译器层面语义粒度选择也会带来影响。

科研画像网络研究已有很长历史：作者共被引揭示知识结构；合作图刻画协作；知识域地图展示领域组织。科学计量画像结合产出、合作、引用指标刻画个体研究者；生涯尺度研究量化科研影响力随时间演化。ASKS将该视角带到源编译语义图谱：分支存活、诞生时跨论文支撑、谱系分支、语料覆盖、归属抖动，刻画研究项目的内部组织与演化，补充仅基于合作、引用的画像。

作者研究画像

语料聚焦同一个研究项目，最终Hub谱系得到可溯源作者研究画像。图4展示冻结生命周期记录中提交的Hub诞生与父子谱系；显示层面增加宏域标签用于可读性。持久度最高的Hub围绕张量网络表示、PEPS/iPEPS、张量重整化方法；后期分支对应量子多体应用、张量网络机器学习、量子(G_{t‑1})AI相关工作。量子计算相关论文分布在TN核心与相邻分支；6篇论文不在最终Hub映射内。以张量网络为中心的研究树，比单纯领域标签更突出方法连续性。

用6个描述子量化树形态：

KaTeX parse error: Can't use function '$' in math mode at position 453: ...\sum_{t=2}^{56}\̲(̲C(t)$ \end{ali...

表2 时序研究画像的图谱描述子

描述子	数值	解读
分支存活率 PsurviveP_{\mathrm{survive}}Psurvive	1.000	所有诞生分支全部存活至G56G_{56}G56
多源诞生占比 BmultiB_{\mathrm{multi}}Bmulti	0.889	绝大多数Hub诞生时已经具备跨论文支撑
谱系分支度 LbranchL_{\mathrm{branch}}Lbranch	0.222	部分Hub是对早期Hub的细化衍生
生命周期不对称度 AlifeA_{\mathrm{life}}Alife	1.000	观测到的增长完全是新增诞生模式
语料映射覆盖率 QmapQ_{\mathrm{map}}Qmap	0.893	56篇中50篇映射到最终树结构
旧节点平均归属抖动 Cˉ\bar{C}Cˉ	0.00467	在冻结配置下，归属抖动很低

Psurvive=1P_{\mathrm{survive}}=1Psurvive=1、Alife=1A_{\mathrm{life}}=1Alife=1说明这是一棵持久、以新增诞生为主的树；Bmulti=0.889B_{\mathrm{multi}}=0.889Bmulti=0.889说明大部分分支诞生就有多篇文献支撑；Lbranch=0.222L_{\mathrm{branch}}=0.222Lbranch=0.222体现选择性层级细化；Qmap=0.893Q_{\mathrm{map}}=0.893Qmap=0.893、Cˉ=0.00467\bar{C}=0.00467Cˉ=0.00467说明语料覆盖广，归属抖动低。映射面向导航；最终Hub重叠评估存在6次弃权；15篇映射论文通过确定性特异性、谱系规则解决最大重叠平局。这些边界案例标记映射中弃权或使用显式导航约定的位置。

5.4 演示实验说明的结论

ASKS中的图谱涌现，指编译知识系统内部的组织结构。新Hub可能反映真实研究主题、方法关联、术语现象，也可能来自语料本身偏差。ASKS提供可观测的构建历史：哪些源进入系统、哪些局部Delta被融合、归属如何变化、哪些谱系约束塑造后续组织。科研解读需要基于这份轨迹以及它链接的原始源记录。

作者语料演示印证上述关系：Hub谱系与已知研究项目吻合，拥有稳定张量网络方法主干，后续主题向外分支。证据边界仅限于这一份作者语料演示。Hub诞生、归属、谱系、支撑论文计数是编译器输出；图4中显示层面的宏域标签是事后科研解读，不属于定量分析。本实验证明：ASKS可以保留足够连续性，让时序研究轨迹在图谱状态中可见。

生成的组织结构支持基于底层源记录与编译历史完成检查、对比、重命名、细化、进一步调研。科研权威性仍然属于原始记录及其人工评估。本演示刻画冻结清单的时序轨迹；顺序置换重构、语义空对照是后续鲁棒性验证测试。

6 可靠性与受限权威性

持久化知识想要具备科研价值，必须区分图谱真实增长与软件漂移。ASKS把可靠性作为架构的一部分。源记录在编译全程保留；Wiki与语义输出具备独立校验契约；图谱变更组装为文档局部Delta；融合硬错误触发文档边界回滚；复用关系在紧凑拓扑内累积来源；研究状态对象维持临时状态；幂等性保证相同输入重复运行得到相同节点、边、来源、归属。

重放（replay）类比为重新运行实验协议。可重放的构建绑定源清单、本地模型输出、嵌入标识、配置、操作版本、有序构建调用。作者语料演示使用冻结本地包、隔离干净图谱、哈希绑定Hub决策、步骤报告、快照收据。附录A(G_{t‑1})E给出完整工程记录。

智能体仅在受限权威范围内发挥作用：可自动化执行可机械校验、回滚安全的操作；涉及赋予科学语义、实体合并、审批新Hub范围等高变更操作，必须经过显式闸门。简明摘要告诉研究者：哪份源改变了地图、哪个Hub出现、哪些成员移动、可用证据路径；详细向量分数与工程记录保留在附录，供审计使用。

7 结论

持久化科学知识构建可以被视作"源→图谱"的编译过程。ASKS通过源局部LLM编码、校验文档局部GraphDelta、嵌入驱动跨源组织、持久状态确定性图谱规则实现该流程。状态迁移保留源链接与构建历史，支持重放与修订。

在56篇论文时序演示中，编译生成低抖动Hub组织结构，得到可溯源作者研究画像，映射覆盖率明确。画像以张量网络方法为核心，向外延伸多个应用领域分支；冻结轨迹上高层组织结构稳定；标准节点增长以增量新增为主。

ASKS将图谱涌现理解为绑定原始源的组织过程；科研新颖性是独立的评审判断。该工作的核心贡献是一套构建流程：图谱状态可以持续演化，同时编译视图与导航路径始终可回溯到保存的科研原始记录。

代码与数据获取

与本文配套的公开ASKS源码：Ran(G_{t‑1})ASKS v0.2.0 release。同一发布包包含冻结论文产物1.0.0：56份脱敏论文Wiki页面，18个Hub页面，可移植最终图谱，评审后的语料清单，报告指标，作者画像表格，校验记录，代码溯源，验证校验和。该发布分发编译脱敏产物；原始PDF、解析原始文本、凭证、生产知识库私有状态不在公开产物内。

软件使用 PolyForm Noncommercial License 1.0.0；冻结论文数据与编译Wiki(G_{t‑1})图谱产物使用 CC BY(G_{t‑1})NC 4.0。ASKS后续开发在仓库main分支继续；本文报告结果严格绑定v0.2.0与产物1.0.0。

附录

附录A 冻结演示边界与可复现记录

作者语料演示在物理隔离构建环境执行，派生状态初始为空。冻结语料从65份候选选出56篇独立发表论文，3篇排除，6篇仅相关记录。每篇入选论文手动验证完整标准PDF。当在线优先发表早于正式卷期，以正式期刊年份作为时序分组。该约定将D046边界奇点工作归入2024组，D051图学习工作归入2026组。冻结解析元数据使用MinerU作为56篇PDF优先结构化抽取引擎。机器可读衍生文件在语义编译前绑定SHA(G_{t‑1})256哈希。

构建分为两个锁定阶段。L阶段：每篇论文新鲜抽取编译为Wiki视图、语义槽、校验报告、源局部包。56个包完成结构审计、语义抽样，在图谱相关工作开始前冻结。运行锁定记录：DeepSeek(G_{t‑1})V4(G_{t‑1})Flash(G_{t‑1})0731用于文献审阅；MiniMax(G_{t‑1})M3搭配DeepSeek降级用于本地Wiki生成；智谱AI Embedding(G_{t‑1})3（GLM(G_{t‑1})Embedding(G_{t‑1})3）作为语义几何嵌入。API端点用SHA(G_{t‑1})256摘要表示；凭证保存在安全运行配置。

G阶段：冻结包从空状态G0G_0G0，按发布清单顺序融合，按正式发表年份分组。融合锁绑定L阶段运行锁、两份审计报告、全部包哈希、嵌入标识、阈值配置、图谱模式、Hub闸门契约、相关代码哈希、运行环境、隔离写路径。SHA(G_{t‑1})256：5ea7884df2255efddc92c9badd79efde8804ba58793bf55ba0e855e6ea5df2c0。

运行环境Python3.12.13 arm64 macOS，随机种子0。隔离写白名单仅指向实验图谱与Wiki路径。每个Hub诞生候选通过显式决策闸门，生成哈希绑定的commit_birth/reject_birth决策。

全部56次融合步骤、57份快照G0...G56G_0\dots G_{56}G0...G56执行完成。57份快照数据库通过只读完整性校验；170份产物收据匹配SHA(G_{t‑1})256；全部56步报告通过图谱校验。以上校验在冻结作者语料范围内，确立报告构建轨迹的身份与内部一致性。

2024密度异常论文D047 DOI：10.1103/PhysRevB.109.045139。贡献105次新建、2次复用。附录图S1评估其直接贡献，下游融合结果保持不变。移除该贡献后Rcum(56)R_{\mathrm{cum}}(56)Rcum(56)从0.18854→0.20718，最终MMM从0.06764→0.07663，最终CCC从0.01261→0.01432。对比是确定性的，下游融合决策全部保留。附录图S1展示完整敏感性轨迹。

附录B 冻结组织规则

表3列出G阶段冻结的主要数值闸门，是演示编译器实现参数。实体识别、谱系、高影响图谱写入，需要同时满足分数阈值与额外证据。

表3 时序演示使用的冻结组织参数

流程	冻结信号与闸门	编译效果
节点实体识别	词法身份证据，标签相似度≥0.92，语义相似度≥0.90，综合闸门≥0.91，胜者差距≥0.04，候选下限0.72	复用、弃权、新建局部节点
命题对齐	cos>0.98复用；0.90(G_{t‑1})0.98生成关系边	合并、建立关系、保持独立
论文路由	定位文本与活跃Hub范围，路由下限0.50，差距0.04	论文(G_{t‑1})Hub导航关系
Hub归属	进入阈值0.66，保留阈值0.58；最多归属3个Hub；子Hub偏好+0.05	带迟滞、偏向细粒度的归属重建
Hub过载	活跃成员数>20	向子Hub重分配或触发分裂分析
Hub诞生	成对相似度≥0.82，至少4个成员，平均内聚≥0.60	生成哈希绑定候选，等待显式评审
Hub分裂	至少6个成员；两组各≥3；成员质心与子Hub范围cos<0.85；路由成功率≥0.80，差距≥0.03	审批后生成子候选、迁移成员
Hub合并	范围与原型相似度≥0.88；近期谱系不同	提出保留谱系的跨分支合并

附录C 完整Ingest状态机与事务边界

完整Ingest是有序编译器流程：

去重与预处理：校验源标识，按需生成可寻址机器衍生文件。
编码：LLM生成Wiki视图、机器语义槽，两套输出契约相互独立。
语义校验：归一化语义槽，强制执行硬格式约束，记录或修复软警告。
构建Delta：组合确定性与语义关系，构建文档局部GraphDelta，规划边界提及的挂载。
融合：在数据库保存点内执行规划Delta；当边已存在，复用标准拓扑，把新源追加到来源记录。
组织：命题对齐、刷新局部Hub归属、执行特异性与过载规则、重新审视缩写；在谱系约束下检验诞生、分裂、合并候选。
校验与收尾：检查图谱不变量，记录Ingest报告，更新衍生索引与日志。

融合前，每份源必须解析到可寻址源包；空三元组、自环为硬错误；精确重复三元组删除。边界提及按顺序：标准ID→唯一别名→名称分解匹配→嵌入辅助实体识别闸门。模糊情况显式弃权；持久复用节点需要充足实体识别证据。

融合按挂载规划新建或复用节点，校验页面、源包、源边必须存在。硬后置条件违规触发完整回滚，恢复先前状态。当相同边已存在，复用标准拓扑，将新页面追加到来源记录。Hub诞生、分裂、合并运行在源校验下游，在保留溯源的图谱上执行。

附录D 重新接入、重编译与实现边界

重新接入Re(G_{t‑1})ingest ：衍生文件、元数据、局部语义解读需要重新评估时，对一份源重复构建。重编译Recompilation：从记录源与依赖重新构建衍生状态。Hub归属可以从当前图谱状态重建。分裂保留父Hub同时生成子Hub；合并通过重定向保留被废弃Hub。该契约允许导航变化，但保留源记录与构建历史。

嵌入服务故障时，词法证据作为实体识别降级方案；Hub归属保持稳定直到服务恢复。活跃编译器使用本地挂载与Hub规则；早期生产全图关键词相似度扫描属于独立历史路径；隔离作者语料轨迹证据全部来自活跃编译器输出。

重新接入工程契约：相同输入重复运行，输出完全相同节点、边、来源、归属。重放如果修改源包、模型输出、嵌入标识、模式、阈值、相关代码哈希，会分配新锁，从干净派生状态启动。

生产图谱治理层借鉴Semantica的声明约束、溯源、时间有效性模式，在源链接图谱与Raw(G_{t‑1})Wiki(G_{t‑1})证据架构内部实现。该机制强化校验与历史可追溯，同时维持全文使用的原始(G_{t‑1})Wiki(G_{t‑1})图谱证据架构。

附录E 重放、影响分析与构建记忆

对于智能体构建的知识底层，重放等价于重新运行实验协议。追加事件流、可回滚依赖感知效应提供工程参考。演示实验使用冻结产物与隔离快照作为完整重放边界。生产环境中，在修改提示词、模型、模式、图谱代码发布前，选取部分会话作为黄金重放用例。

更广泛系统维护工程依赖图，把能力、契约链接到代码、校验规则、图谱表面。支持影响分析与目标回归选择，运行在物理隔离工程层。科研图谱组织带源链接知识；工程图谱组织系统依赖；会话日志记录执行诊断。

类型化智能体编排

ASKS作为完整科学知识系统，持久底层是源链接知识图谱，搭配Raw与Wiki证据表面。工作状态、能力集、工具构建在该底层之上，扩展科学家与智能体的构建、查询、解读、校验、呈现能力。区分三类机制，按生命周期与效果划分：

工作状态Work state：跨持续任务的活跃任务、项目上下文、当前阶段。
能力Capability：动作触发时加载的临时指令与策略包。
工具Tool：带显式参数、防护、结构化输出的有界函数执行。

工程依赖图为三者提供共享发现与影响上下文；类型化入口区分持久上下文、可组合引导、执行过程。

表4 ASKS已实现代表性工作状态、能力集、可执行工具

机制	实现示例	注册与发现	调用与运行角色
Work state	research：项目范围研究上下文，状态与研究记忆	任务路由、工程能力包	`--task research`恢复项目上下文，跨活动携带证据、决策、实验、稿件状态
Work state	分阶段查询循环，事务Ingest状态机	任务路由、阶段卡片、事务检查点、可恢复收据	`--query$G_{t‑1}$stage`选择启动、证据、继续、回答；Ingest阶段在校验与检查点完成后推进
Capability	write/academic：通用写作约定+物理稿件覆盖层	write能力配置文件，学科特定覆盖层	`--capability write --capability$G_{t‑1}$profile academic`加载主张强度、作用域、符号、稿件QA约定，保留活跃研究状态
Tool	lookup, relations, read(G_{t‑1})raw, recall, remember	DSH ToolRegistry，统一wg.py命令行接口	结构化参数与输出执行图谱导航、源地址阅读、项目记忆操作，受证据防护约束

受防护、可恢复的产物工作流

注册工具暴露类型化参数模式与返回结果；执行前后防护执行证据、路径、隐私、事务约束。长运行工作流使用内容寻址检查点；运行密钥绑定源、代码/提示词/模式版本、模型、执行参数、隐私权限。仅当绑定全部匹配，完整单元才会复用；绑定变化生成新运行。部分单元重试；收据记录状态、哈希、精简校验结果；凭证保存在运行时配置。Ingest、重放、稿件审查等长流程共享这套可恢复执行范式。

长期构建也需要决策记忆：为什么谓词归一化、为什么Hub范围被审批、为什么解析器变更、为什么校验规则收紧。源溯源解释知识对象为什么存在；工程决策记录解释编译器行为。高影响写入始终受显式闸门保护，即使候选动作由智能体提出。

附录F 冻结发布清单

表5给出56篇论文，按发布清单定义的冻结时序顺序。同正式发表年份内部顺序沿用清单。D标签对应融合序列。日期遵循附录A正式发表约定。DOI列包含实验清单冻结之后经过文献校验修正。短横线表示DOI字段为空。