计算机科学与探索

作者：张瑞, 卞志鹏

单位：华中科技大学 计算机科学与技术学院，武汉 430074

关键词：多模态生成,推荐系统,个性化生成,扩散模型,大语言模型

基金：国家自然科学基金重点项目（62436003）。

随着大语言模型与多模态生成模型的快速发展，推荐系统正从“匹配现有内容”向“生成个性化内容”的范式转型，催生了个性化多模态生成这一新兴研究方向。个性化多模态生成强调根据用户历史行为与生成目标指令，输出可直接用于推荐流程的符合用户偏好的文本、图像、音频或视频内容，从而提升用户体验与推荐系统的效果。尽管近年来相关技术快速演进，已有研究在图像、文本等模态生成中初步展现出良好效果，但在方法定义、关键技术、任务共性与研究范式等方面仍缺乏系统总结与统一视角。为此，聚焦推荐场景中的个性化多模态生成问题展开系统性综述，率先界定了“偏好捕捉、目标内容与个性化生成”的三元建模关系，将个性化多模态生成严格限定为：在推荐系统中，基于用户历史行为和画像所捕捉的个性偏好，生成直接作为推荐候选或展示内容的多模态输出（如封面图、新闻标题、音视频片段等），而非一般意义上的开放式文生图或对话生成任务。随后构建统一的技术框架，围绕“偏好与目标建模”“偏好注入与生成器结构”“优化策略与个性化输出”三大核心模块展开，并结合图像、文本、音频与跨模态任务总结典型技术路径和应用场景。此外，对现有评估指标及其在衡量个性化与推荐有效性方面的局限进行了批判性分析，并讨论大型多模态模型在推荐系统中的适配性、推理效率与安全性挑战。最后展望未来的发展方向，希望为个性化多模态生成研究提供系统化参考。

来源：2025年第12期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第12期