論文の概要: Mem-PAL: Towards Memory-based Personalized Dialogue Assistants for Long-term User-Agent Interaction

• arxiv url: http://arxiv.org/abs/2511.13410v1
• Date: Mon, 17 Nov 2025 14:22:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:25.296926
• Title: Mem-PAL: Towards Memory-based Personalized Dialogue Assistants for Long-term User-Agent Interaction
• Title（参考訳）: Mem-PAL: 長期ユーザエージェントインタラクションのためのメモリベースパーソナライズダイアログアシスタント
• Authors: Zhaopei Huang, Qifeng Dai, Guozheng Wu, Xiaopeng Wu, Kehan Chen, Chuan Yu, Xubin Li, Tiezheng Ge, Wenxuan Wang, Qin Jin,
• Abstract要約: PAL-Benchは、長期ユーザエージェントインタラクションにおけるサービス指向アシスタントのパーソナライズ機能を評価するために設計された新しいベンチマークである。 サービス指向のインタラクションをパーソナライズするために、階層的で異質なメモリフレームワークであるH$2$Memoryを提案する。
• 参考スコア（独自算出の注目度）: 55.24448139349266
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the rise of smart personal devices, service-oriented human-agent interactions have become increasingly prevalent. This trend highlights the need for personalized dialogue assistants that can understand user-specific traits to accurately interpret requirements and tailor responses to individual preferences. However, existing approaches often overlook the complexities of long-term interactions and fail to capture users' subjective characteristics. To address these gaps, we present PAL-Bench, a new benchmark designed to evaluate the personalization capabilities of service-oriented assistants in long-term user-agent interactions. In the absence of available real-world data, we develop a multi-step LLM-based synthesis pipeline, which is further verified and refined by human annotators. This process yields PAL-Set, the first Chinese dataset comprising multi-session user logs and dialogue histories, which serves as the foundation for PAL-Bench. Furthermore, to improve personalized service-oriented interactions, we propose H$^2$Memory, a hierarchical and heterogeneous memory framework that incorporates retrieval-augmented generation to improve personalized response generation. Comprehensive experiments on both our PAL-Bench and an external dataset demonstrate the effectiveness of the proposed memory framework.
• Abstract（参考訳）: スマートパーソナルデバイスの普及に伴い、サービス指向のヒューマンエージェントインタラクションがますます普及している。 この傾向は、ユーザー固有の特徴を理解して、要求を正確に解釈し、個人の好みに反応するパーソナライズされた対話アシスタントの必要性を強調している。 しかし、既存のアプローチは、長期的なインタラクションの複雑さを見落とし、ユーザの主観的特徴を捉えないことが多い。 PAL-Benchは、サービス指向アシスタントの長期ユーザエージェントインタラクションにおけるパーソナライズ機能を評価するために設計された新しいベンチマークである。 実世界のデータがない状態では、人間のアノテータによってさらに検証され、洗練される多段階のLCMベースの合成パイプラインを開発する。 このプロセスは、PAL-Benchの基礎となるマルチセッションユーザログと対話履歴からなる最初の中国語データセットであるPAL-Setを生成する。 さらに、サービス指向のインタラクションをパーソナライズするために、検索拡張生成を組み込んだ階層的で異質なメモリフレームワークであるH$^2$Memoryを提案し、パーソナライズされた応答生成を改善する。 PAL-Benchと外部データセットの総合的な実験により,提案したメモリフレームワークの有効性が実証された。

関連論文リスト

• Enabling Personalized Long-term Interactions in LLM-based Agents through Persistent Memory and User Profiles [0.4885400580268118]
  大規模言語モデル(LLM)はAIエージェントの中央制御ユニットとしての役割を担っている。 本稿では、パーソナライズされた長期的なインタラクションを実現するために、永続メモリ、動的コーディネーション、自己検証、およびユーザプロファイルの進化を統合するフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-09T08:22:16Z)
• Post Persona Alignment for Multi-Session Dialogue Generation [16.574386220377757]
  Post Persona Alignment (PPA)はパーソナライズされた対話生成のための新しい2段階のフレームワークである。 まず、対話コンテキストのみに基づく一般的な応答を生成し、その応答をクエリとして使用して関連するペルソナ記憶を検索し、最後に話者のペルソナと整合する応答を洗練する。 マルチセッションLPM生成対話データを用いた実験により、PPAは、一貫性、多様性、ペルソナ関連性において、従来のアプローチよりも顕著に優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-13T15:04:01Z)
• PersonaAgent: When Large Language Model Agents Meet Personalization at Test Time [87.99027488664282]
  PersonaAgentは、汎用的なパーソナライゼーションタスクに対処するために設計されたフレームワークである。 パーソナライズされたメモリモジュールとパーソナライズされたアクションモジュールを統合する。 テストタイムのユーザ嗜好アライメント戦略は、リアルタイムのユーザの嗜好アライメントを保証する。
  論文  参考訳（メタデータ） (2025-06-06T17:29:49Z)
• A Personalized Conversational Benchmark: Towards Simulating Personalized Conversations [112.81207927088117]
  PersonaConvBenchは、大規模言語モデル(LLM)とのマルチターン会話におけるパーソナライズされた推論と生成を評価するためのベンチマークである。 我々は,複数の商用およびオープンソース LLM を統一的なプロンプト設定でベンチマークし,パーソナライズされた履歴を組み込むことで大幅な性能向上が得られることを観察した。
  論文  参考訳（メタデータ） (2025-05-20T09:13:22Z)
• Hello Again! LLM-powered Personalized Agent for Long-term Dialogue [63.65128176360345]
  モデルに依存しない長期対話エージェント(LD-Agent)を導入する。 イベント認識、ペルソナ抽出、応答生成のための3つの独立した調整可能なモジュールが組み込まれている。 LD-Agentの有効性, 汎用性, クロスドメイン性について実験的に検証した。
  論文  参考訳（メタデータ） (2024-06-09T21:58:32Z)
• Doing Personal LAPS: LLM-Augmented Dialogue Construction for Personalized Multi-Session Conversational Search [9.243535345193711]
  提案手法は,大規模言語モデルを用いて,個人化された対話を生成するために,一人の人間労働者を誘導する。 LAPSは大規模、人書き、マルチセッション、マルチドメインの会話を収集できる。 その結果,抽出された嗜好を用いて明示的に生成した応答は,ユーザの実際の嗜好と一致していることがわかった。
  論文  参考訳（メタデータ） (2024-05-06T13:53:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。