Curp

新的LLM个性化方法减少参数，提升性能

研究人员正在开发新的方法，用于将大型语言模型（LLM）个性化到个别用户，而无需进行广泛的每用户参数调整。几篇近期论文提出了将用户偏好编码为轻量级表示的框架，例如时间注意力前缀或插件式用户嵌入器。这些方法旨在通过比传统的检索式或完全微调方法更有效地捕捉不断变化的用户兴趣和行为模式，来提高个性化质量和可扩展性。在LaMP等基准上的实验表明，与现有技术相比，性能显著提高，计算开销也随之降低。