PRISM-BN: 텍스트에서 매개변수화된 베이즈 네트워크 추출을 위한 통제된 코퍼스와 벤치마크

확률적 그래프 모델(PGMs), 특히 베이즈 네트워크(BNs)는 방향성 구조와 확률적 매개변수를 노출하여, 신경심볼릭 AI를 위한 자연스러운 상징적 목표물로 만듭니다. 하지만 텍스트-대-매개변수화된 BN 시스템을 학습시키려면 대규모로 이용 가능한 쌍을 이루는 텍스트-BN 리소스가 필요합니다. 우리는 다섯 가지 도메리에 걸쳐 변수, 상태, 방향성 간선, 루트 사전 확률(root priors), 그리고 완전한 다중 부모 CPDs를 포함하는 이산 참조 BN과 페어링된 5054개의 BN 기반 설명으로 구성된 통제된 코퍼스인 PRISM-BN을 소개합니다. 이 인스턴스들은 50개의 위키피디아 시드 백본에서 파생되었으며, 그 확률값은 외부적으로 검증된 인과 추정치라기보다는 내부적으로 구성된 벤치마크 목표 값입니다. PRISM-BN은 주변 분포(marginal) 우선 방식의 파이프라인인 PRISM으로 구축되었는데, 이는 주변 및 국소 결합 분포를 추출하고, 정규화된 CPD를 분석적으로 복구하며, 국소적으로 재매개변수화된 서브그래프를 구성합니다. 우리는 의미론적 노드 및 상태 정렬, 조건부 구조 점수화, 그리고 엄격한 완전-CPD 평가를 포함하는 벤치마크를 정의했습니다. 여섯 개의 LLM 추출기를 거쳐 노드 F1은 0.56에서 0.83까지, 조건부 간선 F1은 0.90에서 0.97까지, 그리고 CPD-KL은 1.11에서 3.14까지의 범위를 보였습니다. 조건부 상태 및 간선 복구는 일관되게 강력한 반면, 엄격한 완전-CPD 일치도는 여전히 어려운 과제로 남아 있습니다. 이러한 추세는 독립적으로 생성된 GPT-5.5 참조에서도 지속되었으며, 인간 파일럿은 구조적 복구 가능성과 유사한 확률적 해석을 확인했습니다. PRISM-BN은 구조적 복구와 확률적 매개변수 추정의 개별 평가를 지원합니다.