論文の概要: From Hidden Profiles to Governable Personalization: Recommender Systems in the Age of LLM Agents

• arxiv url: http://arxiv.org/abs/2604.20065v1
• Date: Wed, 22 Apr 2026 00:04:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:10.88904
• Title: From Hidden Profiles to Governable Personalization: Recommender Systems in the Age of LLM Agents
• Title（参考訳）: 隠されたプロファイルから統治可能なパーソナライズ:LLMエージェント時代のレコメンダシステム
• Authors: Jiahao Liu, Mingzhe Han, Guanming Liu, Weihang Wang, Dongsheng Li, Hansu Gu, Peng Zhang, Tun Lu, Ning Gu,
• Abstract要約: 重要なのは、大きな言語モデルがレコメンデーションの品質を高めるだけでなく、ユーザ表現の生成、公開、実行の方法や方法を仲介することです。 隠れプラットフォームプロファイリングから支配可能なパーソナライズへ移行し,ユーザ表現をより検査し,修正可能で,ポータブルで,サービス間を行き来する。
• 参考スコア（独自算出の注目度）: 44.20821259751986
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Personalization has traditionally depended on platform-specific user models that are optimized for prediction but remain largely inaccessible to the people they describe. As LLM-based assistants increasingly mediate search, shopping, travel, and content access, this arrangement may be giving way to a new personalization stack in which user representation is no longer confined to isolated platforms. In this paper, we argue that the key issue is not simply that large language models can enhance recommendation quality, but that they reconfigure where and how user representations are produced, exposed, and acted upon. We propose a shift from hidden platform profiling toward governable personalization, where user representations may become more inspectable, revisable, portable, and consequential across services. Building on this view, we identify five research fronts for recommender systems: transparent yet privacy-preserving user modeling, intent translation and alignment, cross-domain representation and memory design, trustworthy commercialization in assistant-mediated environments, and operational mechanisms for ownership, access, and accountability. We position these not as isolated technical challenges, but as interconnected design problems created by the emergence of LLM agents as intermediaries between users and digital platforms. We argue that the future of recommender systems will depend not only on better inference, but on building personalization systems that users can meaningfully understand, shape, and govern.
• Abstract（参考訳）: パーソナライゼーションは伝統的に、予測に最適化されたプラットフォーム固有のユーザーモデルに依存してきた。 LLMベースのアシスタントは、検索、ショッピング、旅行、コンテンツアクセスをますます仲介するので、このアレンジメントは、ユーザー表現が孤立したプラットフォームに限定されない新しいパーソナライズスタックに道を譲るかもしれない。 本稿では,大規模言語モデルが推薦品質を高めるだけでなく,ユーザ表現の生成,公開,実行方法を再設定する点を論じる。 隠れプラットフォームプロファイリングから支配可能なパーソナライズへ移行し,ユーザ表現をより検査し,修正可能で,ポータブルで,サービス間を行き来する。 透明でプライバシーを保護したユーザモデリング、意図の翻訳とアライメント、ドメイン間の表現とメモリ設計、アシスタントを介する環境における信頼できる商業化、オーナシップ、アクセス、説明責任のための運用メカニズムである。 我々は、これらを独立した技術的課題ではなく、LLMエージェントの出現によって生み出した相互接続設計上の問題として、ユーザとデジタルプラットフォーム間の仲介として位置付けている。 我々は、推薦システムの将来は、より良い推論だけでなく、ユーザーが有意義に理解し、形を作り、支配できるパーソナライズシステムの構築にも依存すると主張している。

関連論文リスト

• The Next Paradigm Is User-Centric Agent, Not Platform-Centric Service [44.35361893379857]
  本稿では,デジタルサービスの未来が,プラットフォーム中心からユーザ中心のエージェントへと移行すべきである,と論じる。 ユーザ中心のエージェントは、プライバシを優先し、ユーザ定義の目標と整合し、ユーザが好みやアクションをコントロールできるようにする。
  論文  参考訳（メタデータ） (2026-02-17T16:07:44Z)
• Synthetic Interaction Data for Scalable Personalization in Large Language Models [67.31884245564086]
  本稿ではPersonaGymという高忠実な合成データ生成フレームワークを紹介する。 パーソナライゼーションを静的なペルソナ-参照ペアとして扱う以前の作業とは異なり、PersonaGymは動的な選好プロセスをモデル化する。 我々は,高忠実度マルチターンパーソナライズされたインタラクショントラジェクトリの大規模かつ高品質で多様な合成データセットであるPersonaAtlasをリリースする。
  論文  参考訳（メタデータ） (2026-02-12T20:41:22Z)
• 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)
• Creating General User Models from Computer Use [53.59999173952482]
  本稿では,コンピュータとのインタラクションを観察することでユーザについて学習する汎用ユーザモデル(GUM)のアーキテクチャを提案する。 GUMは、ユーザ(例えばデバイスのスクリーンショット)の非構造化観察を入力として受け取り、ユーザの知識と好みをキャプチャする信頼度重み付け命題を構築する。
  論文  参考訳（メタデータ） (2025-05-16T04:00:31Z)
• iAgent: LLM Agent as a Shield between User and Recommender Systems [33.289547118795674]
  レコメンダシステムは、通常、ユーザーがプラットフォームレコメンデーションアルゴリズムの制御下で直接露出される、ユーザープラットフォームパラダイムを取り入れている。 本稿では,エージェントがユーザとレコメンダシステムの間の保護シールドとして機能する,新しいユーザエージェントプラットフォームパラダイムを提案する。
  論文  参考訳（メタデータ） (2025-02-20T15:58:25Z)
• Unsupervised Model Personalization while Preserving Privacy and Scalability: An Open Problem [55.21502268698577]
  本研究では,非教師なしモデルパーソナライゼーションの課題について検討する。 この問題を探求するための新しいDual User-Adaptation Framework(DUA)を提供する。 このフレームワークは、サーバ上のモデルパーソナライズとユーザデバイス上のローカルデータ正規化に柔軟にユーザ適応を分散させる。
  論文  参考訳（メタデータ） (2020-03-30T09:35:12Z)

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。