RADD多模态知识图谱补全框架提出

2026年10月20日，arXiv人工智能板块报道，Guanglin Niu、Bo Li 提出检索锚定离散扩散（RADD）多模态知识图谱补全框架。该框架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；并用双向学习统一头实体与尾实体细化，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。报道称，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。目前进展停留在框架提出与基准评测阶段，报道未提及代码、数据或部署等后续信息。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。