Skip to content

BeliefState — 信念定义

Status: Current canonical (v0.5)

本文档定义 BeliefState schema，用于 LKM 全局推理。本地 CLI 推理产生的 .gaia/beliefs.json 使用不同的 schema（见 §Local CLI Beliefs Format）。

BeliefState 是 BP 在 GlobalCanonicalGraph 上的纯输出——后验信念值。它记录产生它的条件（resolution policy），使结果可重现。

Gaia IR 结构定义见 Gaia IR Structure，参数模型见 Parameterization。

Schema

BeliefState:
    bp_run_id:            str              # 唯一运行 ID
    created_at:           str              # ISO 8601

    # ── 重现条件 ──
    resolution_policy:    str              # "latest" | "source:<source_id>"
    prior_cutoff:         str              # ISO 8601，只用此时间点之前的记录

    # ── 信念 ──
    beliefs:              dict[str, float] # 以 gcn_ ID 为键
                                           # 只有 type=claim 的 Knowledge 有 belief

    # ── 编译信息（可选诊断） ──
    compilation_summary:  dict | None      # Strategy → 编译路径（"direct" / "composite" / "formal_expr"）

    # ── 诊断 ──
    converged:            bool
    iterations_run:       int
    max_change_at_stop:   float

Local CLI Beliefs Format

本地 CLI gaia run infer 写入的 .gaia/beliefs.json 使用不同的 schema，针对本地包优化。 载体形状由 gaia/cli/commands/infer.py::_beliefs_payload 直接构造，diagnostics 字段是 result.diagnostics 的 dataclasses.asdict() 结果，所以字段名与 gaia/engine/bp/{bp,trw_bp,mean_field,junction_tree}.py 中各 *Diagnostics 的 dataclass 字段一一对应：

{
  "ir_hash": "sha256:...",
  "gaia_lang_version": "0.5.0",
  "beliefs": [
    {"knowledge_id": "github:pkg::label", "label": "label", "belief": 0.73}
  ],
  "diagnostics": {
    "converged": true,
    "iterations_run": 42,
    "max_change_at_stop": 0.0001
  }
}

不同后端会附加各自的诊断字段（例如 JT 的 treewidth、loopy BP 的 belief_history / direction_changes）；权威示例见 cli/inference.md §Output Format。

与 BeliefState 的区别： - beliefs 是 list of records，不是 dict[str, float] - 使用本地 QID（github:pkg::label），不是全局 gcn_* ID - 缺少 bp_run_id, created_at, resolution_policy, prior_cutoff, compilation_summary - 包含 ir_hash 和 gaia_lang_version 用于本地一致性检查

转换到 BeliefState：上传到 LKM 时需要： 1. 将本地 QID 映射到全局 gcn_* ID 2. 将 beliefs list 转换为 dict[gcn_id, float] 3. 添加 bp_run_id, created_at, resolution_policy, prior_cutoff 4. 可选：添加 compilation_summary 用于诊断

关键规则

  • beliefs 只对 Claim：只有 type=claim 的 Knowledge 有 belief。Setting 和 Question 没有 belief。
  • 可重现：resolution_policy + prior_cutoff 完整定义了参数组装条件。prior_cutoff 记录 BP 运行时的时间点，确保用 latest policy 重跑时只取该时间之前的记录，结果可重现。
  • 可多次运行：同一 resolution policy + prior_cutoff 可以有多次 BP 运行（不同调度策略、阻尼系数等），每次产出不同的 BeliefState。
  • belief 是后验：belief 是 BP 计算后的后验信念值，不是 prior。
  • 组装完整性：本地 gaia run infer 是 preview 路径，允许缺失外部 prior 的独立 claim 以 MaxEnt 0.5 进入推理；缺失 infer(...) CPT 时也会走保守 默认。发布 / LKM 摄入路径可以施加更严格的 completeness gate，例如 gaia build check --gate 阻断 holes、unformalized dependencies、unaccepted review warrants 或低 posterior。
  • compilation_summary：记录每个 Strategy 的编译路径——direct（折叠为 ↝ 因子）、composite（递归展开子策略）或 formal_expr（通过 FormalExpr 在 Operator 层运行），用于诊断和可重现性。

诊断字段

  • converged：BP 是否在容差内收敛
  • iterations_run：实际运行的迭代数（exact JT 固定为 2，对应 collect + distribute 两次扫描）
  • max_change_at_stop：停止时的最大消息变化量
  • compilation_summary：每个 Strategy 的 BP 编译路径（direct / composite / formal_expr），便于诊断推理链路

这些字段用于判断 belief 的可靠性。未收敛的 BeliefState 仍然有效，但应标记为近似值。 不同后端会另外携带各自的诊断字段（例如 JT 的 treewidth、TRW-BP / Mean Field 特有的内部统计），都按 dataclasses.asdict() 序列化，对照各自模块的 *Diagnostics 定义即可。

源代码

  • gaia/engine/bp/engine.py — InferenceEngine.run() 产出 beliefs
  • gaia/engine/bp/bp.py — BeliefPropagation.run()（loopy BP 路径）
  • gaia/engine/bp/lowering.py — lower_local_graph()：Gaia IR → FactorGraph
  • gaia/engine/ir/strategy.py — Strategy / CompositeStrategy / FormalStrategy