Los modelos recomendadores secuenciales deberían capturar las preferencias de los usuarios que evolucionan con el tiempo, pero existe el riesgo de obtener resultados sesgados como falsos positivos y falsos negativos debido a interacciones ruidosas. Los modelos generativos aprenden de manera efectiva la distribución subyacente y la incertidumbre de los datos dados para generar nuevos datos, y muestran robustez contra el ruido.