|
BayesiaLab 最新更新
今年夏天，Bayesia 发布了旗舰软件 BayesiaLab 11.8。该版本专注于 Hellixia（BayesiaLab 完全集成的 GenAI 助手），扩展了其从 LLM 中挖掘知识以构建贝叶斯网络、语义网络和知识图谱的能力。此前听起来像科幻小说的功能如今已成为内置工作流：直接从叙述性文本生成因果图，这些叙述可单独来自 LLM，也可结合您的文档一起使用。
更新的命题因果贝叶斯网络生成器
图1：BayesiaLab 风险中心因果网络（RCCN）建模马六甲海峡供应链韧性，带有颜色编码的威胁、屏障和效果节点
基于 LLM 知识生成因果模型自推出以来一直是 Hellixia 的核心功能。其最新迭代为两个菜单项带来了重要改进：
- 命题因果贝叶斯网络生成器（Propositional Causal Bayesian Network Generator）
- 自动命题因果贝叶斯网络生成器（Automatic Propositional Causal Bayesian Network Generator）
顾名思义，这些功能生成完全指定的贝叶斯网络，其节点代表命题（True/False），弧线承载直接因果效应。这些功能以前名为因果贝叶斯网络生成器和自动因果贝叶斯网络生成器；更新后的名称强调了所生成网络的命题性质。
新术语还将这些功能与自动贝叶斯网络生成器区分开来，后者生成无约束的贝叶斯网络，即对变量类型（离散或连续）或状态数没有限制。
全新的图像生成器
BayesiaLab 已为图的每个元素存储了丰富的元数据，因此使用 LLM 将这些元数据转化为视觉内容是自然的扩展。Hellixia 可以使用节点名称和自由格式的节点注释提示 LLM，以生成您想要的任何风格的图像和图标，增强图形的视觉直观性，使其更易于阅读。
在 BayesiaLab 11.8 中，图像生成器围绕两遍过程进行了重新设计：
- 图像生成器使用选定的 Prompt Engine，从节点的任何可用信息（即节点名称、长名称、节点注释）创建图像的文本描述。
- 在第二遍中，图像生成器使用指定的 Image Engine，基于新创建的描述生成图像。
此前，图像生成器直接使用节点名称、长名称或节点注释，而无需先创建中间提示。这种未经过滤和解释的节点描述并不总是足以作为 LLM 的提示。作为变通方法，您通常必须手动重写节点注释，使其包含更像提示的图像描述。只有这样，LLM 才有足够的提示来生成图像。
现在，这种手动变通已不再必要。图像生成器的第一遍将节点信息转换为适当的视觉描述，即使对于难以描绘的概念也是如此。因此，您可以毫不费力地获得高质量的视觉效果。
图2：Hellixia 图像生成器对话框，包含提示和图像引擎选择器、图像设置、查询主体复选框和通用上下文字段
全新的证据场景生成器
BayesiaLab 现在可以自动生成证据场景供后续模拟使用。
如果您已为网络设置了 WebSimulator（如 WebSimulator 图标所示），并在 WebSimulator 编辑器的 Inputs 选项卡下指定了节点，BayesiaLab 可以使用这些节点，结合 LLM 及您提供的任何内容来生成场景。
图3：BayesiaLab WebSimulator 上下文菜单，显示生成证据场景和移除模拟器命令
图4：BayesiaLab 证据场景生成器对话框，包含完成引擎、上下文和大小设置
例如，当 LLM 提供了相关历史信息时，场景将取自真实世界事件。例如，在将供应链风险建模为海上交通的函数时，2021 年苏伊士运河阻塞事件很可能会反映在生成的某个场景中。
这对于基于专家知识或 LLM 构建的模型尤其有用：模拟真实世界场景为您提供了一种评估模型合理性的方法。
您还可以将这些生成的场景与 WebSimulator 共享，使其最终用户可以从现实的基线开始进行实验性模拟，而不是纯粹假设的条件。
翻译器 — 完全重新设计
Hellixia 的翻译功能已完全重新设计。此前，您必须选择要翻译的具体元素，如节点名称或状态。现在它更加全面，涵盖了所有网络组件，包括：
支持最新的 LLM
Hellixia 现在支持最新的 LLM，如 GPT 5.5、Opus 4.8 和 Gemini 3.1。
在线留言
尊敬的客户朋友，如您有任何意见建议，请通过下表反馈给我们，我们会尽快与您联系。
|
400-621-1085
