本研究提出了一种通用项目标记化方法UTGRec，旨在解决生成推荐中的域特定性问题。UTGRec通过多模态大型语言模型和树状结构代码本实现内容的离散编码。实验结果表明，UTGRec在多个数据集上优于传统推荐方法，展现出强大的跨域迁移能力。

本研究提出MGTAcademic数据集，以支持大规模语言模型生成文本的检测。通过跨域迁移和自适应方法，显著提升了检测器的性能，为构建更强大的检测系统提供了重要见解。