研究人员推出LATTE，一个用于通过预测用户偏好轨迹来个性化大型语言模型（LLM）的新框架。与将用户历史聚合为静态配置文件的现有方法不同，LATTE将个性化建模为预测用户相对于其同伴的相对偏好状态。这种方法旨在更有效地捕捉稳定的用户身份和最近的行为变化。在Amazon Reviews 2023等数据集上的实验表明，LATTE在个性化性能上显著优于基线方法。 AI
影响 LATTE预测用户偏好轨迹的方法可能带来更细致、更有效的个性化LLM体验。
排序理由 该集群包含一篇详细介绍LLM个性化新框架的研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.26612v1 Announce Type: new Abstract: Personalized generation with frozen large language models requires a conditioning signal that is both compact and current. Existing personalization methods typically retrieve or summarize user histories in text, or compress them int…
Personalized generation with frozen large language models requires a conditioning signal that is both compact and current. Existing personalization methods typically retrieve or summarize user histories in text, or compress them into static latent profiles and soft prompts. These…