AAAI 2026 Oral 之江实验室等提出MoEGCL：在6大基准数据集上刷新SOTA，聚类准确率最高提升超8%！在数字时代，我们常常从不同角度或来源获取关于同一个事物的数据，比如一个新闻事件的文字报道、图片和视频。如何整合这些不同来源（即“多视图”）的数据，并自动地将相似的事物归为一类，是多视图聚类 (Multi-View Clustering) 要解决的核心问题。当前的研究方法在融合这些多视图信息时，通常采用一种较为粗糙的策略，即为每个视图的整体信息分配一个固定的权重再进行融合，这忽略了不同样本之间存在的差异性，导致聚类效果受限。