作者 | 刘瑞 审校 | 蔡芳芳 论文题目 ： VBF++: Variational Bayesian Fusion with Context-Aware Priors and Recommendation-Guided Adversarial Refinement for Multimodal Video Recommendation 这种"点估计"的策略，在面对真实世界短视频生态中的三大"不确定性"时 [5-6]，显得尤为脆弱 ： 范式革新：VBF++ 将融合从 作者单位 ： 北京航空航天大学 & 北京邮电大学 参考代码 ： https://github.com/muhhpu/VBF 痛点：确定性融合的 "不确定性"危机 多模态视频推荐系统在捕捉用户兴趣时，需要高效整合视频的视觉、听觉和文本特征。然而，现有的主流方法（如基于注意力机制或图神经网络的 确定 性融合 方法 [2-3]）面临着一个根本性的挑战：它们倾向于为给定的输入计算一个单一的、最优的权重向量，将多模态融合视为寻找"全局唯一最优解"的 优化问题 。 "点估计"升级为"分布建模" 近日，北京航空航天大学和北京邮电大学联合提出了一种全新的概率化框 ...