RADD：面向多模态知识图谱补全的检索锚定离散扩散框架

RADD 将离散扩散锚定到查询特定的检索分布，把检索不确定性转化为多模态细化的概率参考，从而在全局检索基础上完成细粒度实体消歧。该框架用双向学习统一头实体与尾实体细化，并以覆盖感知推理按候选覆盖情况调整排序修正，不把预测限制在检索集内。在三个 MMKGC 基准上，RADD 相较强基线和配套检索器均取得一致提升。