論文の概要: Bridging Exploration and Persona: Information-Directed Dueling for Test-Time Agent Personalization

• arxiv url: http://arxiv.org/abs/2610.24385v1
• Date: Sat, 17 Oct 2026 02:40:47 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 11:53:51.379508
• Title: Bridging Exploration and Persona: Information-Directed Dueling for Test-Time Agent Personalization
• Title（参考訳）: ブリッジング探索とペルソナ:テストタイムエージェントパーソナライゼーションのための情報指向デュエル
• Abstract要約: ID-TAPはIDSにインスパイアされた大規模パーソナ空間のためのスケーラブルなニューラルデュエルバンドフレームワークである。 結果は、テストタイムのペルソナ適応のための効果的な設計として、情報指向のチャレンジャー選択を支援する。
• 参考スコア（独自算出の注目度）: 21.772671772858114
• License:
• Abstract: Effective test-time personalization requires LLM agents to adapt to query-dependent user preferences from lightweight interaction. We study persona selection with binary comparisons between candidate responses as the online signal. We present ID-TAP, a scalable, IDS-inspired neural dueling-bandit framework for large discrete persona spaces. ID-TAP combines a query-conditioned neural utility model with a lightweight Bradley-Terry explorer, and transfers comparison evidence across related queries through similarity-weighted warm starts. The neural model shares statistical strength across queries while preserving query-specific scores, and efficient BT updates score hypothetical challengers. Across seven user-conditioned generation benchmarks under reference- and model-based preference simulators, ID-TAP achieves the strongest aggregate performance among the evaluated baselines within a fixed ten-round comparison budget. These results support information-directed challenger selection as an effective design for test-time persona adaptation.
• Abstract（参考訳）: 効率的なテストタイムパーソナライズには、軽量なインタラクションからクエリ依存のユーザの好みに適応する必要がある。 オンライン信号として候補応答の2値比較によるペルソナ選択について検討する。 我々はID-TAP(ID-TAP)を提案する。 ID-TAPはクエリ条件付きニューラルユーティリティモデルと軽量なBradley-Terryエクスプローラーを組み合わせて、類似性重み付きウォームスタートを通じて関連するクエリ間で比較エビデンスを転送する。 ニューラルネットワークは、クエリ固有のスコアを保持しながら、クエリ間の統計的強度を共有し、BTの効率的な更新は仮説的なチャレンジをスコアする。 参照型およびモデルベースの選好シミュレータによる7つのユーザ条件生成ベンチマークにおいて、ID-TAPは、固定10ラウンド比較予算において評価ベースライン間で最強の集約性能を達成する。 これらの結果は、テストタイムのペルソナ適応のための効果的な設計として、情報指向のチャレンジャー選択を支援する。

関連論文リスト

• FleetPilot: Fine-Grained Steering Empowers Real-World LLM Personalization [51.242762264023675]
  Modelnameはきめ細やかなインスタンスに適したステアリングフレームワークです。 ユーザデータからサンプルレベルの干渉を生成し、モデルをフォワードパスに注入してパーソナライズする。 その結果,本手法は連続的に性能向上をもたらし,高速シフトおよびデータスパース環境において極めて優れた性能を示すことがわかった。
  論文  参考訳（メタデータ） (2026-10-10T14:44:50Z)
• Retrieve-then-Adapt: Retrieval-Augmented Test-Time Adaptation for Sequential Recommendation [17.159956938670174]
  逐次レコメンデーション(SR)モデルは、推論中にリアルタイムの選好シフトに適応するのに苦労することが多い。 提案するRetrieve-then-Adapt(ReAd)は,ユーザ嗜好信号を抽出して,SRモデルをテスト分布に動的に適用する新しいフレームワークである。 5つのベンチマークデータセットにわたる大規模な実験は、ReAdが既存のSRメソッドを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2026-04-07T03:24:56Z)
• Individual Turing Test: A Case Study of LLM-based Simulation Using Longitudinal Personal Data [54.145424717168794]
  大きな言語モデル(LLM)は、目覚ましい人間のような能力を示しているが、特定の個人を複製する能力は未発見のままである。 本稿では,10年以上にわたるプライベートメッセージ履歴のボランティア配信アーカイブを用いて,LSMに基づく個人シミュレーションのケーススタディを提案する。 本研究は,ボランティアの知人が,最も有望な多候補プール内の応答を正確に識別できるかどうかを評価するための「個別チューリングテスト」を提案する。
  論文  参考訳（メタデータ） (2026-03-01T21:46:27Z)
• Autoguided Online Data Curation for Diffusion Model Training [3.610779934162847]
  近年開発された自己誘導法とオンラインデータ選択法により,生成拡散モデルの学習時間とサンプル効率が向上するか否かを検討する。 制御された2次元合成データ生成タスクと3x64x64)-D画像生成におけるデータキュレーションの組み合わせを評価する。 実験全体を通して、自己誘導は一貫してサンプルの品質と多様性を改善します。
  論文  参考訳（メタデータ） (2025-09-18T10:09:04Z)
• Continuous Self-Improvement of Large Language Models by Test-time Training with Verifier-Driven Sample Selection [6.471199527741301]
  VDS-TTT(Verifier-Driven Sample Selection for Test-Time Training)と呼ばれる新しいフレームワークを導入する。 学習した検証器を用いて、生成された応答のプールをスコアし、高いランクの擬似ラベル付き例からのみ選び、微調整を施す。 低ランクなLoRAアダプタパラメータのみを微調整し、適応効率と高速収束を確保する。
  論文  参考訳（メタデータ） (2025-05-26T03:54:47Z)
• A Systematic Examination of Preference Learning through the Lens of Instruction-Following [83.71180850955679]
  新たな合成データ生成パイプラインを用いて48,000の命令追従プロンプトを生成する。 合成プロンプトでは、リジェクションサンプリング(RS)とモンテカルロ木探索(MCTS)の2つの選好データセットキュレーション手法を用いる。 実験により、MCTSが生成した選好ペアにおける共有プレフィックスは、限界はあるが一貫した改善をもたらすことが明らかになった。 高コントラストの選好ペアは一般的に低コントラストのペアよりも優れているが、両者を組み合わせることで最高のパフォーマンスが得られることが多い。
  論文  参考訳（メタデータ） (2024-12-18T15:38:39Z)
• Self-Training with Pseudo-Label Scorer for Aspect Sentiment Quad Prediction [54.23208041792073]
  Aspect Sentiment Quad Prediction (ASQP) は、与えられたレビューに対して全てのクワッド(アスペクト項、アスペクトカテゴリー、意見項、感情極性)を予測することを目的としている。 ASQPタスクにおける重要な課題はラベル付きデータの不足であり、既存のメソッドのパフォーマンスを制限している。 そこで我々は,擬似ラベルスコアラーを用いた自己学習フレームワークを提案し,レビューと擬似ラベルの一致をスコアラーが評価する。
  論文  参考訳（メタデータ） (2024-06-26T05:30:21Z)
• CART: A Generative Cross-Modal Retrieval Framework with Coarse-To-Fine Semantic Modeling [53.97609687516371]
  クロスモーダル検索は、異なるモーダルデータの相互作用を通じて、クエリと意味的に関連するインスタンスを検索することを目的としている。 従来のソリューションでは、クエリと候補の間のスコアを明示的に計算するために、シングルトウワーまたはデュアルトウワーのフレームワークを使用している。 粗大なセマンティックモデリングに基づく生成的クロスモーダル検索フレームワーク(CART)を提案する。
  論文  参考訳（メタデータ） (2024-06-25T12:47:04Z)
• Listen, Adapt, Better WER: Source-free Single-utterance Test-time Adaptation for Automatic Speech Recognition [65.84978547406753]
  Test-time Adaptationは、ソースドメインでトレーニングされたモデルに適応して、テストサンプルの予測を改善することを目的としている。 単一発話テスト時間適応 (SUTA) は音声領域における最初のTTA研究である。
  論文  参考訳（メタデータ） (2022-03-27T06:38:39Z)

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。