CLM：将企业隐性碎片化知识转化为可审计、可执行的企业智能层

arXiv:2609.04377v1 Announce Type: new 摘要：企业 AI 部署的失败并非源于模型能力不足，而是因为组织缺乏一种结构化基板来编码其决策、协商与执行方式。通用 LLM 不携带任何企业特定的本体先验；RAG 仍然脆弱，且无法通向可执行行动；静态 playbook 虽能编码逻辑，却无法推理或自适应。这要求一种架构，将隐性知识捕获、本体 grounding、主权部署与可审计执行从一开始进行协同设计。本文提出企业语言模型（Corporate Language Model, CLM），这是一个将企业的结构化、非结构化、多模态及隐性知识转化为 ontology-grounded 企业基础的框架，推理与受控执行在此基础上进行组合。CLM 包含五个能力平面与四个架构支柱：Neurosymbolic Mesh，将生成模型与知识图谱耦合；Skill Graph，对可复用的 tactics、personas、objections 与 goals 进行类型化与组合；Living Digital Twins，将各职能领域建模为推理代理；以及 Deep Security Layer，强制执行主权性、可追溯性与人工监督。Spec-as-Code 范式连接 grounded intent 与可执行产物。CLM 是这一基础中心类别的具体实例。本文贡献如下四点：将 CLM 定义为一个独立的研究对象；引入 Skill Graph 以实现组合式可解释性；提出 Wisdom Listener 效应，即具备隐性知识能力的基础随使用而复合增值，关联动态能力与组织学习；以及来自巴西一家 JCI 认证三级医院的证据，实例化了 LGPD 框架下六个成熟度阶段中的三个阶段。