Clustering

聚类是一种无监督机器学习任务，目标是在没有标签的情况下把数据按相似性自动分成若干组，被广泛用于数据分析、异常检测、推荐和表征学习。作为机器学习的基础问题之一，聚类近年正从传统 K-Means 类方法向结合图结构、大语言模型、联邦学习和流式计算的方向扩展，研究热点集中在可解释性、可扩展性和隐私场景下的适应性。

聚类方法的近期进展

在图结构方向上，RTKNNC：基于有向KNN图的多尺度聚类方法发布提出利用有向 K 近邻图在多个尺度上同时捕捉数据结构，试图缓解单一尺度下邻域选择敏感的问题。

在可解释性方面，Seeing Time: Visual-Temporal Representation Learning for Interpretable Time Series Clustering 将视觉与时间维度的表征学习引入时间序列聚类，让分组结果更容易被人理解。

RAILS: Retrieval-Augmented Incremental LLM Clustering at Scale 把检索增强与增量式 LLM 结合，探索大规模文本场景下聚类的新范式，反映出大模型正在渗入这一传统领域。

隐私与分布式场景也有进展：Federated Deep Clustering Networks for High-Dimensional and Heterogeneous Data 针对高维异构数据提出联邦深度聚类网络，应对数据不出本地时的聚类难题。

当前焦点与观察点

从近期论文看，聚类研究呈现三条值得关注的脉络。其一是与基础模型融合：LLM 与检索机制被引入聚类流程，使文本和跨域数据可以在语义层面分组，如 Multi-Domain Clustering via Measure Quantization 和 G-NAC: Graph Neural Automata Clustering via Emergent Domain Formation 所代表的多域与涌现式方法。

其二是理论工具的深化。Parameterized and Streaming Algorithms for Euclidean Fair k-Center Clustering 关注流式与公平性约束下的 k-center 问题，而 The Exceedance Design Effect: Effective Sample Size for Thresholds under Clustering 则处理聚类条件下有效样本量的统计推断问题，说明聚类不再只是工程任务，其统计性质也被认真对待。

其三是可解释与稳健的局部结构刻画。Automatic depth-based local center clustering via β-integrated local depth and adaptive grouping 借助数据深度概念自动确定局部中心，此外 DeepSeek 相关工作 Opinion Leader Dynamics: How Sparse Attention Shapes Token Clustering 还揭示了稀疏注意力机制下词元聚类的动态规律，把聚类视角带回了模型内部机制研究。对从业者和研究者而言，观察这些方法能否在真实大规模数据上稳定落地，是判断趋势走向的关键。

Overview

聚类方法的近期进展

当前焦点与观察点

Coverage