arXiv · cs.AI· Guanglin Niu, Bo Li·· 1 天前
RADD：基于检索锚定离散扩散的多模态知识图谱补全
RADD: Retrieval-Anchored Discrete Diffusion for Multi-Modal Knowledge Graph Completion
arXiv:2604.25693v3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：Guanglin Niu, Bo Li
研究任务与主要进展
Guanglin Niu与Bo Li提出RADD，将查询特定的检索分布锚定到离散扩散中，用于结合结构、视觉和文本信息补全多模态知识图谱。基于论文摘要，该方法通过双向学习统一头尾实体修正，并采用覆盖感知推理在不局限于检索候选集的情况下调整排序；在三个基准上，作者报告了相较强基线和匹配检索器的持续改进。
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