两篇新研究论文探讨了通过关注AI代理如何捕获和利用用户信息来改进AI个性化的方法。第一篇论文引入了“表征准确性”作为衡量AI系统如何忠实地表征用户解释的指标，并提出了一种“行为规范”来将用户数据压缩成语言模型的解释模式。第二篇论文在一个面向教师的推荐系统中比较了基于记忆的条件化与仅上下文的条件化，发现基于记忆的方法会导致更具历史依赖性和学习者特定性的行为。 AI
影响 这些研究通过关注用户数据的表征和利用方式，为开发更准确、更可解释的AI个性化系统提供了新途径。
排序理由 两篇在arXiv上发表的学术论文，讨论了AI个性化的新颖方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.28969v1 Announce Type: cross Abstract: If an AI agent makes decisions on a person's behalf, those decisions must align with its user. We introduce representational accuracy to measure how faithfully a system captures a person's interpretation. An interpretive layer is …
arXiv:2605.27389v1 Announce Type: cross Abstract: We study how conditioning context shapes personalization behavior in a teacher-facing educational recommender system. We compare contextual conditioning based on the current student question with memory-based conditioning using pe…