Situated Epistemic Infrastructures: A Diagnostic Framework for Post-Coherence Knowledge

📄 arXiv: 2508.04995v3 📥 PDF

作者: Matthew Kelly

分类: cs.HC, cs.AI, cs.DL

发布日期: 2025-08-07 (更新: 2025-10-17)

备注: 22 pages including references. Draft prepared for submission to Social Epistemology

💡 一句话要点

提出Situated Epistemic Infrastructures框架以分析后一致性知识问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 知识基础设施 大型语言模型 后一致性 AI治理 信息系统设计 认识论 平台理论

📋 核心要点

  1. 当前知识基础设施在面对大型语言模型时显得脆弱，缺乏有效的权威性和验证机制。
  2. 提出的SEI框架通过分析知识在混合人机系统中的权威性，强调协调与适应性管理。
  3. 该框架为AI治理和知识生产提供了新的视角，推动了信息系统的伦理设计讨论。

📝 摘要（中文）

大型语言模型（LLMs）如ChatGPT揭示了当代知识基础设施的脆弱性，通过模拟一致性而绕过传统的引用、权威和验证模式。本文提出了Situated Epistemic Infrastructures（SEI）框架，作为分析知识在后一致性条件下如何在混合人机系统中变得权威的诊断工具。SEI不依赖于稳定的学术领域或界定明确的实践社区，而是追踪信誉如何在制度、计算和时间安排中被中介。该框架整合了基础设施研究、平台理论和认识论的见解，强调协调而非分类，突出了对预期和适应性知识管理模型的需求。本文为AI治理、知识生产和信息系统的伦理设计提供了一个强有力的替代方案。

🔬 方法详解

问题定义：本文旨在解决在后一致性条件下，知识如何在混合人机系统中获得权威性的问题。现有方法往往依赖于稳定的学术领域和传统的验证机制，无法适应快速变化的知识环境。

核心思路：SEI框架的核心思想是通过分析知识的信誉如何在不同的制度、计算和时间安排中被中介，来理解知识的权威性。这种设计旨在超越传统的分类方法，强调协调和适应性。

技术框架：该框架包括多个模块，首先是对现有知识基础设施的诊断，然后是对混合人机系统中知识权威性的分析，最后提出适应性管理模型。

关键创新：SEI框架的创新之处在于其将知识的权威性视为一个动态的、跨制度的过程，而非静态的分类结果。这一视角与传统的代表性学术交流模型形成鲜明对比。

关键设计：框架中没有具体的参数设置或网络结构，而是通过理论整合和案例分析来支持其方法论，强调了对知识管理的协调与适应性设计。

📊 实验亮点

SEI框架通过对知识权威性的动态分析，显著提升了对混合人机系统中知识管理的理解，为AI治理提供了新的视角，推动了相关领域的理论与实践进步。

🎯 应用场景

该研究的潜在应用领域包括AI治理、知识生产和信息系统设计。通过提供一个新的分析框架，SEI能够帮助研究人员和实践者理解和管理知识在复杂人机交互中的权威性，从而提升信息系统的伦理性和有效性。

📄 摘要（原文）

Large Language Models (LLMs) such as ChatGPT have rendered visible the fragility of contemporary knowledge infrastructures by simulating coherence while bypassing traditional modes of citation, authority, and validation. This paper introduces the Situated Epistemic Infrastructures (SEI) framework as a diagnostic tool for analyzing how knowledge becomes authoritative across hybrid human-machine systems under post-coherence conditions. Rather than relying on stable scholarly domains or bounded communities of practice, SEI traces how credibility is mediated across institutional, computational, and temporal arrangements. Integrating insights from infrastructure studies, platform theory, and epistemology, the framework foregrounds coordination over classification, emphasizing the need for anticipatory and adaptive models of epistemic stewardship. The paper contributes to debates on AI governance, knowledge production, and the ethical design of information systems by offering a robust alternative to representationalist models of scholarly communication.