围绕生成式推荐、推荐系统与具身智能，记录论文方法、系统设计与工程实现。
分析 UniFormer 的统一特征交互、任务建模、模型扩展与工业服务优化。
讨论推荐系统从既有内容检索向个性化内容生成拓展的模型框架与训练流程。
系统梳理协同过滤、召回、特征交互、序列建模、多任务学习与生成式推荐。
从推荐任务原生表示、语义量化和生成接口三个层面分析 Semantic ID。
分析推荐模型的语义感知、推理机制及其训练目标与工程边界。
分析 Next-Scale Generation Reranking 的树形生成过程与多尺度训练目标。
分析生成式建模与传统深度推荐模型在工业排序阶段的融合方式。
分析多 Token 表示、稠密向量生成与大规模检索服务之间的关系。
分析生成式长期兴趣表示、历史检索与目标物品融合的计算路径。
分析序列信息与非序列特征在统一 Transformer 架构中的双向交互。
讨论序列建模与特征交互模块的统一设计及其工业扩展方式。
0101
02
03
0405
060708091011010203040506070809101101020304050607080910110102030405060708091011