Generative Recommendation
关注推荐系统从判别式打分向生成式建模演进的关键问题，包括离散物品表示、生成式召回与排序，以及推荐内容生成。
Semantic IDGenerative RetrievalGenerative RankingContent Generation
AREA 01
相关文章 →生成式推荐
表示
如何构建面向推荐目标的离散物品表示，并保持语义、协同信号与生成效率之间的平衡？
生成
如何统一候选检索、排序与内容生成，使生成结果同时满足用户意图与平台约束？
系统
如何将生成模型部署到大规模推荐链路，并控制时延、吞吐与线上稳定性？
AREA 02
具身智能
Embodied Intelligence
关注智能体在真实环境中的感知、理解、决策与行动，重点梳理视觉语言动作模型、机器人学习与闭环交互。
VLM / VLARobot LearningWorld ModelClosed-loop Decision
感知与理解
如何将多模态观察转化为稳定、可泛化的环境与任务表示？
决策与行动
如何连接语言层面的任务意图与连续控制空间中的动作生成？
真实环境
如何在分布偏移、安全约束与有限数据条件下实现可靠的闭环学习？
STATUS研究资料整理中
后续将补充具身智能研究地图、论文笔记与阶段性技术总结。
研究记录方式
问题定义
明确任务边界、评价指标与系统约束。
方法拆解
梳理模型结构、数学表达与训练目标。
工程分析
讨论计算复杂度、部署路径与潜在局限。