arXiv · cs.AI· Giovanni Briglia, Marco Lippi, Stefano Mariani, Franco Zambonelli·· 9 小时前
神经贝叶斯网络实现模块化、可扩展的不确定性决策
Neural Bayesian Networks for Modular and Scalable Decision-Making Under Uncertainty
arXiv:2610.16902v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Giovanni Briglia, Marco Lippi, Stefano Mariani, Franco Zambonelli
研究任务与主要进展
作者提出神经贝叶斯网络（NBN），用可微、张量值机制替代经典贝叶斯网络中的条件表示，同时保留图结构与因子分解，并原生面向GPU运行。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org