NEST：面向多尺度聚类的嵌套嵌入表征框架

研究人员提出无监督框架 NEST，借鉴 Matryoshka Representation Learning，在单个嵌入向量中编码由粗到细的多尺度聚类结构。该方法在嵌套前缀子空间中联合优化聚类与分离度，随嵌入维度增加实现更精细的区分，并通过秩和类内正则化防止表征坍缩。实验表明，NEST 仅需各层级聚类数即可恢复合成层级结构，并在视觉、文本及单细胞数据中验证了多尺度组织能力。