支持集目标泄漏问题

论文提出「支持集目标泄漏」问题：关系型上下文学习中，标注支持集含查询时不可得的目标衍生特征，导致预测失效。研究构建14种泄漏类型（20列），覆盖不同噪声、覆盖率、模态与关系距离，在RelBench数据库上评估冻结关系编码器。结果显示目标表泄漏导致最明显性能退化，用积分梯度（IG）排序并移除可疑列可部分恢复性能。

论文研究关系型上下文学习（ICL）中「支持集目标泄漏」问题：当支持样本含目标衍生特征而查询样本没有时，评估结果会失真。作者构造 20 个受控泄漏特征，在 13 个 RelBench 任务与 5 种关系 ICL 配置上评测，发现 0 跳与全泄漏影响最大，且泄漏效应强依赖任务与模型，甚至能反转模型间的相对结论。