論文の概要: Beyond Isolated Behaviors: Hierarchical User Modeling for LLM Personalization

• arxiv url: http://arxiv.org/abs/2606.02300v1
• Date: Mon, 01 Jun 2026 14:23:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:32.273083
• Title: Beyond Isolated Behaviors: Hierarchical User Modeling for LLM Personalization
• Title（参考訳）: 分離された振る舞いを超えて: LLMパーソナライズのための階層的ユーザモデリング
• Authors: Liang Wang, Xinyi Mou, Xiaoyou Liu, Tiannan Wang, Yuqing Wang, Zhongyu Wei,
• Abstract要約: 大規模言語モデル(LLM)は、様々な領域にまたがる顕著な能力を示してきたが、個々のユーザにアウトプットをパーソナライズすることは、依然としてオープンな課題である。 既存のアプローチは主にフラットな振舞いパラダイムを採用し、より深い振舞い構造にどのように組織化されているかを明確に説明せずにユーザーの振舞いを集約する。 実践としての個人行動, 習慣としての時間的蓄積, 類似のユーザ間での規則性の共有という3つの階層的なレベルを通じて, LLMのパーソナライゼーションを再認識する社会学的基盤の枠組みであるPHFを提案する。
• 参考スコア（独自算出の注目度）: 46.59946880253904
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) have demonstrated remarkable capabilities across diverse domains, yet personalizing their outputs to individual users remains an open challenge. Existing approaches predominantly adopt a flat behavioral paradigm, aggregating user behaviors without an explicit account of how they are organized into deeper behavioral structures. In this work, we draw on Pierre Bourdieu's Theory of Practice to propose PHF (Practice-Habitus-Field), a sociologically grounded framework that reconceptualizes LLM personalization through three hierarchical levels: individual behaviors as practices, their temporal accumulation into stable dispositions as habitus, and shared regularities across similar users as fields. We instantiate PHF through $\mathrm{PHF}_{\text{Compass}}$, a lightweight and model-agnostic implementation based on a frozen LLM. Experiments on the Language Model Personalization (LaMP) benchmark demonstrate consistent improvements across diverse tasks, while further analyses validate the interpretability and extensibility of the learned behavioral structures.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、様々な領域にまたがる顕著な能力を示してきたが、個々のユーザにアウトプットをパーソナライズすることは、依然としてオープンな課題である。 既存のアプローチは主にフラットな振舞いパラダイムを採用し、より深い振舞い構造にどのように組織化されているかを明確に説明せずにユーザーの振舞いを集約する。 本稿では,Pierre Bourdieu の実践理論を参考に,Pierre Bourdieu による PHF (Practice-Habitus-Field) を提案する。これは LLM のパーソナライゼーションを,実践としての個人行動,習慣としての安定な配置への時間的蓄積,フィールドとしての類似ユーザ間の規則性の共有という,3つの階層的なレベルを通じて再認識する社会学的基盤の枠組みである。 凍結LDMに基づく軽量でモデルに依存しない実装である、$\mathrm{PHF}_{\text{Compass}}$を通じてPHFをインスタンス化する。 言語モデルパーソナライゼーション(LaMP)ベンチマークの実験は、さまざまなタスク間で一貫した改善を示し、さらに学習された行動構造の解釈可能性と拡張性を検証する。

関連論文リスト

• LLMs Reading the Rhythms of Daily Life: Aligned Understanding for Behavior Prediction and Generation [53.62804271492357]
  大きな言語モデル(LLM)は、その意味的豊かさ、強い解釈可能性、生成能力により、有望な方向性を提供する。 本稿では,LLMを構造化カリキュラム学習プロセスを通じて人間行動モデリングに統合する,行動理解アライメント(BUA)を提案する。 BUAは、事前訓練された行動モデルからのシーケンス埋め込みをアライメントアンカーとして採用し、3段階のカリキュラムを通じてLLMをガイドし、マルチラウンドの対話設定では予測と生成機能を導入している。
  論文  参考訳（メタデータ） (2026-04-26T07:34:37Z)
• Behavioral Fingerprinting of Large Language Models [35.18856642496912]
  現在のLLM(Large Language Models)のベンチマークは主にパフォーマンス指標に焦点を当てている。 本稿では,従来の評価を超越した行動フィンガープリントの枠組みを提案する。
  論文  参考訳（メタデータ） (2025-09-02T07:03:20Z)
• A Survey on Personalized Alignment -- The Missing Piece for Large Language Models in Real-World Applications [28.181295575180293]
  大きな言語モデル(LLM)は目覚ましい能力を示しているが、現実のアプリケーションへの移行には限界がある。 本稿では、パーソナライズされたアライメントに関する最初の包括的調査を示す。 本稿では、優先メモリ管理、パーソナライズされた生成、フィードバックに基づくアライメントを含む統合されたフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-21T10:09:16Z)
• Optimizing Large Language Models for Dynamic Constraints through Human-in-the-Loop Discriminators [0.0]
  大規模言語モデル(LLM)は、最近、様々な現実世界のアプリケーションにまたがる印象的な機能を実証した。 本稿では,LLMがシステムインターフェースと相互作用し,制約概念を要約し,性能指標を継続的に最適化するフレキシブルなフレームワークを提案する。 我々のフレームワークは、人間の識別器で7.78%のパスレート、LSMベースの識別器で6.11%のパスレートを達成した。
  論文  参考訳（メタデータ） (2024-10-19T17:27:38Z)
• Aligning LLMs with Individual Preferences via Interaction [51.72200436159636]
  調整可能な大きな言語モデル(LLM)をトレーニングします。 木構造における3K以上の多ターン会話を含む多ターン嗜好データセットを開発した。 評価のために、慎重に選択された100のサンプルと、会話中にカスタマイズされたアライメント性能を測定するために適切に設計されたメトリクスからなるALOEベンチマークを確立する。
  論文  参考訳（メタデータ） (2024-10-04T17:48:29Z)
• On the steerability of large language models toward data-driven personas [98.9138902560793]
  大規模言語モデル(LLM)は、特定のグループや集団の意見が不足している偏りのある応答を生成することが知られている。 本稿では, LLM を用いて特定の視点の制御可能な生成を実現するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-11-08T19:01:13Z)
• Autoregressive Structured Prediction with Language Models [73.11519625765301]
  本稿では, PLM を用いた自己回帰的手法を用いて, モデル構造を行動列として記述する。 我々のアプローチは、私たちが見てきた全ての構造化予測タスクにおいて、新しい最先端を実現する。
  論文  参考訳（メタデータ） (2022-10-26T13:27:26Z)

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。