論文の概要: HyperTrace: Hypothesis-Based Preference Tracing for Online LLM Personalization

• arxiv url: http://arxiv.org/abs/2609.09835v1
• Date: Wed, 09 Sep 2026 07:40:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.939925
• Title: HyperTrace: Hypothesis-Based Preference Tracing for Online LLM Personalization
• Title（参考訳）: HyperTrace: オンラインLLMパーソナライゼーションのための仮説に基づく選好トレース
• Abstract要約: HyperTraceはトレーニング不要のフレームワークで、オンラインパーソナライゼーションを遅延優先トレースとして定義する。 PRISMとPersonaMem-v2の実験では、HyperTraceは応答アライメント、嗜好予測、プロファイル整合性を改善している。
• 参考スコア（独自算出の注目度）: 33.35752029898084
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Personalized language models aim to adapt responses to individual users, whose preferences are often latent and revealed gradually through interaction. Existing training-free methods rely on stored histories or retrieved memories, but they often struggle to reconcile long- term preferences with short-term topic-specific needs. To address this issue, we propose HyperTrace, a training-free framework that formulates online personalization as latent preference tracing. HyperTrace maintains interpretable natural-language hypotheses over short-term intent and long-term preferences, and updates them through an SMC-style reweight process using an LLM-based surrogate choice model. By updating these hypotheses across turns and sessions, HyperTrace enables personalization without parameter updates. Experiments on PRISM and PersonaMem-v2 show that HyperTrace improves response alignment, preference prediction, and profile consistency over strong online baselines, demonstrating the effectiveness of tracing latent user preferences for robust personalization. Code and scripts are available in the repository: https://github.com/jiseshen/HyperTrace.
• Abstract（参考訳）: パーソナライズされた言語モデルは、個々のユーザへの反応に適応することを目的としている。 既存のトレーニングフリーの手法は記憶された履歴や記憶を頼りにしているが、短期的なトピック固有のニーズと長期的な好みを一致させるのに苦慮することが多い。 この問題に対処するために,オンラインパーソナライゼーションを遅延選好トレースとして定義するトレーニングフリーフレームワークであるHyperTraceを提案する。 HyperTraceは、短期的意図と長期的嗜好に対する解釈可能な自然言語仮説を維持し、LSMに基づく代理選択モデルを用いて、SMCスタイルのリウェイトプロセスを通じてそれらを更新する。 これらの仮説をターンやセッション間で更新することで、HyperTraceはパラメータを更新せずにパーソナライズできる。 PRISMとPersonaMem-v2の実験では、HyperTraceは強力なオンラインベースライン上での応答アライメント、嗜好予測、プロファイル一貫性を改善し、堅牢なパーソナライズのために潜伏したユーザの嗜好をトレースする効果を実証している。 コードとスクリプトは、リポジトリで入手できる。

関連論文リスト

• Less Is Personal: Learning Minimal Sufficient User Profiles for Personalized Language Models [77.02066500576528]
  Enoughは、行動記録を反復的に付加する手法であり、適応長のプロファイルを構築するためにSTOPを出力する。 有効性と効率の両面で、強力で検索の強化されたベースラインをはるかに上回ります。
  論文  参考訳（メタデータ） (2026-09-08T03:09:19Z)
• Sparse Personalized Text Generation with Multi-Trajectory Reasoning [95.19317487799292]
  PAT(Personalization with Aligned Trajectories)は、コールドスタートLDMパーソナライズのための推論フレームワークである。 まず、スタイリスティックに類似したユーザからの書き込みスタイルの手がかりと、嗜好に沿ったユーザからのトピック固有のコンテキストの2つの相補的なトラジェクトリに沿って情報を取得する。 次に、強化学習に基づく反復的な二重共振機構を用い、LLMはこれらの信号を共同で洗練し統合することができる。
  論文  参考訳（メタデータ） (2026-04-27T20:58:49Z)
• PERMA: Benchmarking Personalized Memory Agents via Event-Driven Preference and Realistic Task Environments [72.02445514666428]
  静的な嗜好リコールを超えてペルマの一貫性を評価するためのベンチマークであるPERMAを紹介する。 PerMAは、複数のセッションとドメインにまたがる時間的に順序付けられたインタラクションイベントと、時間とともに好みに関連するクエリで構成されている。 実験により、関連するインタラクションをリンクすることで、高度なメモリシステムはより正確な好みを抽出し、トークン消費を減らすことができることが示された。
  論文  参考訳（メタデータ） (2026-03-24T14:04:11Z)
• Learning Personalized Agents from Human Feedback [36.47803872623135]
  連続的なパーソナライズのための枠組みであるPAHF(Personalized Agents from Human Feedback)を紹介する。 PAHFは、ユーザ毎の明示的なメモリを使用して、ライブインタラクションからオンラインで学習する。 ベンチマークは、エージェントが最初の好みをスクラッチから学習し、その後ペルソナシフトに適応する能力を定量化する。
  論文  参考訳（メタデータ） (2026-02-18T04:18:47Z)
• 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)
• SPRInG: Continual LLM Personalization via Selective Parametric Adaptation and Retrieval-Interpolated Generation [11.253466187411524]
  SPRInGは、効果的な継続パーソナライズを目的とした、新しい半パラメトリックフレームワークである。 訓練中、SPRInGはドリフト駆動の選択的適応を採用しており、これは確率に基づくスコアリング機能を用いて高能率相互作用を識別する。 長期のパーソナライズされた生成ベンチマークの実験は、SPRInGが既存のベースラインを上回っていることを示している。
  論文  参考訳（メタデータ） (2026-01-15T01:32:27Z)
• T-POP: Test-Time Personalization with Online Preference Feedback [44.84261334557795]
  本稿では、テキスト生成中に収集したオンラインのペアワイズ嗜好フィードバックから学習することで、リアルタイムパーソナライズのための新しいパラダイムを提案する。 T-POPは、デュエルブレイトを活用することにより、ユーザの好みを探索し、学習した知識を利用してパーソナライズされたテキストを生成することで、効率的にバランスをとることができる。
  論文  参考訳（メタデータ） (2025-09-29T12:28:23Z)
• Temporal User Profiling with LLMs: Balancing Short-Term and Long-Term Preferences for Recommendations [3.719862246745416]
  本稿では,短期および長期の嗜好を明示的にモデル化するユーザプロファイリング手法を提案する。 LLM-TUPは、いくつかのベースラインに対して大幅に改善されている。
  論文  参考訳（メタデータ） (2025-08-11T20:28:24Z)
• Debiasing Online Preference Learning via Preference Feature Preservation [64.55924745257951]
  最近の嗜好学習フレームワークは、二対比較とスカラー報酬で人間の嗜好を簡単にする。 これにより、大規模言語モデルの反応は、主に好まれる特徴に偏り、オンラインの嗜好学習ステップのイテレーション中に悪化する可能性がある。 本研究では,人間の嗜好特徴の分布を維持するための嗜好特徴保存法を提案し,オンライン選好学習プロセスを通じてそのようなリッチな信号を利用する。
  論文  参考訳（メタデータ） (2025-06-06T13:19:07Z)
• Self-Augmented Preference Optimization: Off-Policy Paradigms for Language Model Alignment [104.18002641195442]
  既存のペアデータを必要としない、効果的でスケーラブルなトレーニングパラダイムである自己拡張型優先度最適化(SAPO)を導入する。 負の反応を自律的に生成するセルフプレイの概念に基づいて、我々はさらに、データ探索とエクスプロイトを強化するために、非政治的な学習パイプラインを組み込む。
  論文  参考訳（メタデータ） (2024-05-31T14:21:04Z)

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。