从技术突破到边界探索 生成式推荐系统的深度跃迁之路

从技术能力维度来看，不同模态的发展成熟度差异显著。文本与音频生成技术已广泛应用于电商文案创 作、音乐歌单推荐等领域，但视频生成技术仍受限于内容逻辑连贯性和画面质量问题，距离大规模商业 化应用尚需时日。此外，评估体系的不完善成为阻碍技术发展的另一关键因素。当前行业主要依赖人工 评估推荐效果，这种方式不仅效率低下，且难以全面衡量用户体验。而现有的自动化评估指标又存在覆 盖维度不足的问题，亟需建立一套涵盖准确性、多样性、隐私保护等多维度的标准化评估体系。 在生成式推荐系统的技术演进中，多维度的创新成果不断涌现。中国人民大学高瓴人工智能学院准聘副 教授陈旭和团队研发的人类行为模拟平台历经三代迭代，实现了从基础验证到广泛应用的跨越。初代 ReAgent 平台以千级智能体模拟网络行为，揭示了信息茧房的形成机制；第二代 GenSim 平台将智能体 规模扩展至十万级，覆盖电商、社交等多领域模拟；第三代 OneSim 平台引入自然语言处理技术，显著 降低使用门槛，并拓展了 AI 社会研究功能。这一系列突破通过构建用户与系统的双向反馈机制，有效 解决了传统推荐系统的用户理解难题，大幅提升了推荐精准度。 哈尔滨工业大学（深圳）陈科 ...