本文介绍了多种新模型和框架以提高广义类别发现（GCD）的性能，包括解耦原型网络、动态概念对比学习、MetaGCD和自平衡协助对比框架。这些方法通过有效的知识转移、对比学习和动态更新教师注意力等技术，显著提升了多个数据集上的分类准确性，尤其在细粒度识别方面表现优异。