論文の概要: Behaviorally Grounded User Profiles from the Wild for Personalized Alignment and Multi-Perspective Reasoning

• arxiv url: http://arxiv.org/abs/2609.00014v1
• Date: Tue, 11 Aug 2026 10:19:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-06 19:38:41.473273
• Title: Behaviorally Grounded User Profiles from the Wild for Personalized Alignment and Multi-Perspective Reasoning
• Title（参考訳）: パーソナライズされたアライメントとマルチパースペクティブ推論のためのワイルドからの行動的接地ユーザプロファイル
• Abstract要約: ソーシャルメディア投稿から直接、オープンエンドで高忠実なユーザプロファイルを抽出するためのフレームワークである、プロファイルのグラウンド(振舞いグラウンド)を導入する。 我々はこれらのプロファイルを、教師付き微調整(SFT)による列車時パーソナライズと、非パラメトリックテスト時マルチパースペクティブ推論の2つのパラダイムにわたって評価する。 本研究は,次世代のパーソナライズされた言語システムにおいて,オープンエンドな行動由来のプロファイルを極めて多様かつ効果的な基盤として確立するものである。
• 参考スコア（独自算出の注目度）: 19.59357421796823
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Persona-driven techniques increasingly adapt large language models (LLMs) to diverse contexts. However, existing methods predominantly rely on rigid, synthetic personas that flatten individual variation, rely on stereotypes, and miss the nuanced signals driving actual human preferences. We introduce profile behavioral grounding, a framework for extracting open-ended, high-fidelity user profiles directly from authentic, anonymized social media posts. We evaluate these profiles across two paradigms: train-time personalization via supervised finetuning (SFT) and non-parametric test-time multi-perspective reasoning. Across complex recommendation and open-ended query benchmarks, behaviorally grounded profiles consistently improve base models and outperform synthetic profile baselines, driving stronger parametric alignment and enabling richer, multifaceted reasoning. Our findings establish open-ended, behavior-derived profiles as a highly diverse and effective foundation for the next generation of personalized language systems. Our code base is available at https://github.com/ServiceNow/behavior-grounding.
• Abstract（参考訳）: ペルソナ駆動のテクニックは、大きな言語モデル(LLM)をさまざまなコンテキストに適応させる傾向にある。 しかし、既存の手法は主に、個々の変動を平らにし、ステレオタイプに依存し、実際の人間の嗜好を駆動するニュアンス信号を見逃す、厳格で合成的なペルソナに依存している。 本稿では、匿名のソーシャルメディア投稿から直接、オープンエンドで高忠実なユーザープロフィールを抽出するためのフレームワークである、プロファイルグラウンド(Pro Profileal Grounding)を紹介する。 我々はこれらのプロファイルを、教師付き微調整(SFT)による列車時パーソナライズと、非パラメトリックテスト時マルチパースペクティブ推論の2つのパラダイムにわたって評価する。 複雑なレコメンデーションとオープンなクエリベンチマークを通じて、振る舞いベースプロファイルは一貫してベースモデルを改善し、合成プロファイルベースラインを上回り、より強力なパラメトリックアライメントを駆動し、よりリッチで多面的な推論を可能にする。 本研究は,次世代のパーソナライズされた言語システムにおいて,オープンエンドな行動由来のプロファイルを極めて多様かつ効果的な基盤として確立するものである。 コードベースはhttps://github.com/ServiceNow/behavior-grounding.comで公開しています。

関連論文リスト

• VIBE-Bench: Evaluating Personalized Large Language Models When Profiles Don't Mean Preferences [40.195544693657396]
  既存のベンチマークでは、セマンティックな歴史から好みを検索できると推定されている。 我々は、未調査だが実際は重要な制度であるプロファイル参照概念の誤りについて研究する。 心理学的な2つのタスクと12,239の対話を備えたベンチマークであるVIBE-Benchを紹介する。
  論文  参考訳（メタデータ） (2026-09-01T08:45:28Z)
• Improving General Role-Playing Agents via Psychology-Grounded Reasoning and Role-Aware Policy Optimization [62.82109000444373]
  Psy-CoTは、事前応答推論を3つの役割固有のステップに分解する、思考の連鎖フレームワークである。 CoSER, CharacterBench, CharacterEvalの実験は、Psy-CoTが既存のロールプレイングCoTメソッドより優れていることを示した。
  論文  参考訳（メタデータ） (2026-06-25T13:34:47Z)
• 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)
• P-GenRM: Personalized Generative Reward Model with Test-time User-based Scaling [66.55381105691818]
  P-GenRM(Personalized Generative Reward Model)を提案する。 P-GenRMは、選好信号を適応的なペルソナとスコアリングルーリックを導出する構造化評価チェーンに変換する。 さらにユーザをユーザプロトタイプにクラスタリングし、二重粒度スケーリングメカニズムを導入している。
  論文  参考訳（メタデータ） (2026-02-12T16:07:22Z)
• Personalized Reasoning: Just-In-Time Personalization and Why LLMs Fail At It [81.50711040539566]
  現在の大規模言語モデル(LLM)開発は、タスク解決と優先順位調整を別の課題として扱う。 静的ベンチマークを対話型パーソナライズタスクに変換する評価手法であるPreFDISCOを紹介する。 我々のフレームワークは、ユーザコンテキストに応じて、同じ質問が異なる推論チェーンを必要とするシナリオを作成します。
  論文  参考訳（メタデータ） (2025-09-30T18:55:28Z)
• NextQuill: Causal Preference Modeling for Enhancing LLM Personalization [82.15961484963256]
  因果選好モデルに基づく新しいパーソナライズフレームワークであるNextQuillを紹介する。 この洞察に基づいて、NextQuillは2つの補完的なアライメント戦略を導入した。 複数のパーソナライズベンチマークの実験により、NextQuillはパーソナライズ品質を大幅に改善することが示された。
  論文  参考訳（メタデータ） (2025-06-03T02:08:55Z)
• Know You First and Be You Better: Modeling Human-Like User Simulators via Implicit Profiles [37.43150003866563]
  我々は,人間と機械のインタラクションから暗黙のユーザプロファイルを推論し,パーソナライズされたリアルな対話をシミュレートする,インプリシットプロファイル付きユーザシミュレータ(USP)を紹介する。 USPは、同等の一貫性を維持しながら、信頼性と多様性の点で、強力なベースラインを上回ります。
  論文  参考訳（メタデータ） (2025-02-26T09:26:54Z)
• Few-shot Steerable Alignment: Adapting Rewards and LLM Policies with Neural Processes [50.544186914115045]
  大きな言語モデル(LLM)は、日々のアプリケーションにますます組み込まれています。 個人ユーザの多様な嗜好との整合性を確保することは、重要な課題となっている。 数発のステアライメントのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-18T16:14:59Z)
• Personalizing Reinforcement Learning from Human Feedback with Variational Preference Learning [12.742158403867002]
  ヒューマンフィードバックからの強化学習は、基礎モデルを人間の価値観や好みに合わせるための強力なパラダイムである。 現在のRLHF技術は、多様な集団における個人の嗜好の自然に生じる相違を説明できない。 マルチモーダルなRLHF手法のクラスを開発し,多元的アライメントの必要性に対処する。
  論文  参考訳（メタデータ） (2024-08-19T15:18:30Z)
• Personalized Language Modeling from Personalized Human Feedback [45.16986573937782]
  パーソナライズされた大規模言語モデル(LLM)は、個々のユーザの好みに応答するように設計されている。 個人の好みを捉えるために軽量なユーザモデルを利用する効率的なフレームワークであるPersonalized-RLHFを提案する。 P-RLHF を用いて学習したパーソナライズされた LLM は,個々のユーザの好みとより密に一致した応答を生成する。
  論文  参考訳（メタデータ） (2024-02-06T04:18:58Z)

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。