Generative（生成式）是指能够自主创建新内容（如文本、图像、用户界面）的模型或方法，近年来从单一的内容生成扩展到因果关系测试、鲁棒优化及实时交互等多个前沿领域，正在重塑AI的应用边界。
Generative 在因果测试与优化中的近期进展
微软研究提出了生成式因果测试（Generative Causality Testing），将黑盒模型转化为可验证的语言假设，从而在不依赖大量标注数据的情况下评估模型因果推断能力。该方法利用生成式模型构建反事实场景，为模型透明度提供新工具。微软研究提出生成式因果测试，将黑盒模型转化为可验证语言假设
在数学优化领域，一篇arXiv论文提出Generative Robust Optimisation，使用生成模型来定义不确定性集，代替传统手工构造的凸集，增强了鲁棒优化处理复杂不确定性的能力。Generative Robust Optimisation：用生成模型定义不确定性集
Generative UI 与实时交互的新探索
在界面开发方面，新研究展示了Generative UI与Agent Harness的结合：在Vercel Sandbox中，编码代理可实时生成并渲染用户界面，使得动态UI的构建从预定义模板转变为按需生成，为交互式应用开发带来方法论革新。Generative UI × Agent Harness：Vercel Sandbox中编码代理实时渲染UI
当前焦点与观察点
当前Generative领域的焦点正从单纯追求生成质量转向更系统化的应用：一是利用生成式模型辅助科学理解（如因果测试），二是将生成方法融入优化与工程流程（如鲁棒优化），三是在交互设计中实现动态、自适应的UI。争议点在于生成结果的可靠性和可解释性——生成式模型的“幻觉”问题在因果测试中尤为关键，而Generative UI的实时性也可能带来资源与安全挑战。未来，平衡生成能力与可控性将成为该领域持续演化的主线。