知识图谱以明确的断言描述现实，而当前使用它们的系统——基础模型和自主代理——则在概率空间中进行推理。我们认为，这种表征与推理的错位是语言模型与知识图谱的融合仍停留在数据喂入管道而非统一推理架构的根本原因。\ \ 我们设想的语义贝叶斯世界模型（SBWM）将网络描述为一个共享且不断演化的信念结构，而非静态事实库。其核心要素包括：本体公理约束先验分布，观测通过贝叶斯条件化更新信念，行为则对世界产生干预。\ \ 在此框架下，代理能够获得多种能力。例如，家庭安防代理可以依据贝叶斯推断判断门口人物是快递员还是盗贼；精算估计可以通过蕴含关系聚合而非简单的字符串频率；规划任务能够克服语言模型常见的失效；以及对从未在文档中出现过的量进行估计。\ \ 实现这些能力需要社区共同构建以下基础设施：在 RDF 1.2 上进行信念标注、制定概率蕴含规则、设计语义校准层，以及制定让从未相遇的代理能够交换并对校准信念进行分歧协商的协议。\ \ 点评