Relational Retrieval: Leveraging Known-Novel Interactions for Generalized Category Discovery
关系检索视角下的广义类别发现
🧭 广义类别发现·关系模式匹配
提出关系模式一致性，通过双向知识转移耦合已知与未知数据，实现类别发现
📌 工作参考价值（4 点）
- 电商用户分群场景中，当部分用户行为模式已知而需挖掘新类别时，可借鉴RPC的关系一致性约束：用新样本与已知类别原型的距离关系作为可靠信号，替代直接伪标签，减少噪声传播。
- 推荐系统冷启动物品隐式类别发现：新物品与已知物品的交互模式可映射为关系特征，利用One-vs-All软分解避免硬分配错误，提升冷启动类别推断的鲁棒性。
- 多智体Agent未知任务类型识别：将已知任务视为原型，新任务执行迹与各原型的交互模式进行关系匹配，实现自适应任务分配，无需大量标注。
- 训练策略中双向知识转移设计可复用：已知类特征对齐（保留判别性）+ 新类关系保持（挖掘不变模式），组合提升整体表示质量，适用于半监督表示学习任务。