生成式推荐（GRs）在过去一年取得显著进展，依托大型语言模型（LLM）提升推荐性能，形成新范式。传统推荐面临特征工程和模型复杂度的瓶颈，而LLM通过长序列建模和知识注入有效解决冷启动问题。未来，GRs将重点关注深度推理、多模态对齐和并行生成优化，重构推荐系统的价值链。

本研究提出了一种通过逆问题实现完美多模态对齐的方法，验证了在假设语义类别以高斯混合形式表示的条件下，无监督跨模态迁移的有效性，展示了其应用潜力。

《2024中国开源开发者报告》聚焦AI大模型，指出“算力墙”导致模型效果递减，智能体将成为最佳AI产品。傅聪预测2025年为智能体元年，未来发展需依赖领域模型小型化、合成数据和多模态对齐等趋势。

本研究提出了统一注意力校准（UAC）和动态注意力校准（DAC）方法，以减缓大型视觉-语言模型中的对象幻觉现象。这些方法有效提高了多模态对齐的准确性，推动了不同LVLM架构的性能达到最先进水平。

本文总结了视觉多模态大型语言模型的最新进展，分析了其架构、多模态对齐策略和训练技术，涵盖视觉定位、图像生成与编辑、视觉理解等任务，并比较了模型性能和计算需求，同时编译了训练数据集和评估基准。

本研究通过多模态融合和一致性建模改进了视频主题分割方法，采用不同架构增强多模态融合，通过对比学习加强多模态对齐和融合。实验证明，该模型在视频主题分割性能上表现出色。

本文提出了一种面向冷启动推荐的商品表示学习框架，通过基于Transformer的架构实现多模态对齐。实验证明该方法比基线模型更好地保留了用户兴趣，适用于多个领域的大规模推荐。

本文介绍了一种名为SyCoCa的对称式对比式字幕生成器，通过全局和局部表达水平上的图像和文本交互，实现了多模态对齐。实验证实了该方法的有效性。