論文の概要: Persona Learning from Feedback for Personalized AI Assistants

• arxiv url: http://arxiv.org/abs/2610.38561v1
• Date: Wed, 28 Oct 2026 09:55:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-31 05:25:12.39049
• Title: Persona Learning from Feedback for Personalized AI Assistants
• Title（参考訳）: パーソナル化されたAIアシスタントのためのフィードバックからのペルソナ学習
• Abstract要約: 我々は、再利用可能な好みのアシスタントペルソナを学習するフレームワークである、フィードバック(PLF)から$textitPersona Learningを導入する。 PLFは、共有冷凍バックボーン上で独立したLoRAアダプタとして学習する。 本研究は,モデル生成による一ターンパーソナライズと,シミュレーションされた学生の反応による多ターンタトゥーリングによる一ターンパーソナライズ評価である。
• 参考スコア（独自算出の注目度）: 19.5456187823086
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Personalizing AI assistants requires adapting their behavior to users' preferences and task contexts. Existing work elicits assistant personas through persona prompting or finetuning on persona-conditioned generations. However, persona descriptions alone do not identify what to change or preserve in a particular response, or which behaviors suit the current request. We introduce $\textit{Persona Learning from Feedback (PLF)}$, a framework that learns reusable, preference-grounded assistant personas as independent LoRA adapters on a shared frozen backbone. During training, a frozen self-teacher conditions on persona specifications and response-specific feedback to provide token-level supervision on each adapter's own generated prefixes. A feedback gate focuses corrective updates on responses judged to need improvement. At deployment, a supervised router uses the request or dialogue to select a single adapter or a fixed composition, without user-specific finetuning. We evaluate PLF on single-turn personalization with model-generated critiques and multi-turn tutoring with simulated students' reactions. Across both settings, PLF improves model-judged preference fit over fixed-persona policies and strong baselines including persona prompting and persona distillation, demonstrating how feedback-trained behaviors can be reused for adaptive assistant personalization without degrading general capabilities.
• Abstract（参考訳）: AIアシスタントをパーソナライズするには、ユーザの好みやタスクコンテキストに行動を適用する必要がある。 既存の作業は、ペルソナが条件付き世代を刺激したり微調整したりすることでアシスタントペルソナを引き出す。 しかし、ペルソナの記述だけでは、特定の応答で何を変更するか、保存するか、どの動作が現在の要求に適合するかを特定できない。 このフレームワークは、共有冷凍バックボーン上で独立したLoRAアダプタとして再利用可能な、好みのアシスタントペルソナを学習する。 トレーニング中は、ペルソナ仕様に関する凍結した自己教師の条件と、各アダプタが生成したプレフィックスに対してトークンレベルの監視を提供する応答固有のフィードバックが提供される。 フィードバックゲートは、改善が必要なと判断されたレスポンスの修正アップデートに焦点を当てる。 デプロイメントにおいて、教師付きルータは、要求または対話を使用して、ユーザ固有の微調整なしで、単一のアダプタまたは固定されたコンポジションを選択する。 本研究は,モデル生成による一ターンパーソナライズと,シミュレーションされた学生の反応による多ターンタトゥーリングによる一ターンパーソナライズ評価である。 どちらの設定でも、PLFは定型的ペルソナポリシーとペルソナのプロンプトやペルソナの蒸留を含む強力なベースラインよりも、モデル・ジャッジド・プライエストフィットを改善し、一般的な能力を損なうことなく、適応的なアシスタントパーソナライゼーションのためにフィードバック訓練された振る舞いをどのように再利用できるかを実証する。

関連論文リスト

• Preference-Aware Rubric Learning for Personalized Evaluation [59.539429430690156]
  既存の評価手法では、長期的なインタラクション履歴に埋め込まれたユーザ固有の嗜好をキャプチャできない。 静的判断よりも学習問題としてパーソナライズされた評価を定式化するパラダイムであるパーソナライズド・アズ・ラーニングを提案する。 実験により、PARLはユーザ対応の応答を確実に識別し、ユーザ間で一般化する高忠実なルーブリックを一貫して誘導することが示された。
  論文  参考訳（メタデータ） (2026-05-29T17:00:55Z)
• KnowU-Bench: Towards Interactive, Proactive, and Personalized Mobile Agent Evaluation [72.01173512175531]
  KnowU-Benchはパーソナライズされたモバイルエージェントのためのオンラインベンチマークである。 42のGUIタスク、86のパーソナライズされたタスク、64のプロアクティブタスクをカバーしている。 明示的なタスク実行に優れるエージェントは、あいまいな指示の下で50%以下に低下する。
  論文  参考訳（メタデータ） (2026-04-09T16:50:50Z)
• PersoPilot: An Adaptive AI-Copilot for Transparent Contextualized Persona Classification and Personalized Response Generation [22.0977619708149]
  PersoPilotはエージェントAIコパイロットで、パーソナ理解とコンテキスト分析を統合し、エンドユーザとアナリストの両方をサポートする。 アナリスト側では、PersoPilotは透明で推論機能を備えたラベリングアシスタントを提供し、アクティブな学習駆動型分類プロセスと統合されている。 適応可能なフレームワークとして、PersoPilotは幅広いサービスパーソナライズシナリオに適用できる。
  論文  参考訳（メタデータ） (2026-02-04T13:31:24Z)
• PersonaDual: Balancing Personalization and Objectivity via Adaptive Reasoning [57.10486355722133]
  PersonaDualは、汎用的な客観的推論とパーソナライズされた推論の両方を単一のモデルでサポートする。 客観的およびパーソナライズされたベンチマークの実験は、PersonaDualが干渉を減らしながらパーソナライゼーションの利点を保っていることを示している。
  論文  参考訳（メタデータ） (2026-01-13T16:02:35Z)
• ProPerSim: Developing Proactive and Personalized AI Assistants through User-Assistant Simulation [26.512935389758727]
  タイムリーでパーソナライズされたレコメンデーションを作成できるAIアシスタントを開発するためのタスクおよびシミュレーションフレームワークであるProPerSimを紹介する。 ProPerAssistantは、ユーザのフィードバックを通じて継続的に学習し、適応する検索強化された、嗜好に整合したアシスタントである。
  論文  参考訳（メタデータ） (2025-09-26T00:57:27Z)
• 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)
• Enhancing Personalized Multi-Turn Dialogue with Curiosity Reward [15.054368169735872]
  本稿では,好奇心に基づく固有報酬をマルチターンRLHFに組み込むために,ユーザモデルを活用することを提案する。 この新たな報酬機構により、LLMエージェントは会話を最適化してユーザモデルの精度を向上させることにより、ユーザ特性を積極的に推測することができる。 提案手法の有効性は,会話推薦タスクにおけるパーソナライズ性能の大幅な向上と,教育環境における異なる学習スタイルにおける会話のパーソナライズという2つの領域で実証する。
  論文  参考訳（メタデータ） (2025-04-04T06:35:02Z)
• 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)
• A Neural Topical Expansion Framework for Unstructured Persona-oriented Dialogue Generation [52.743311026230714]
  Persona Exploration and Exploitation (PEE)は、事前に定義されたユーザペルソナ記述を意味論的に相関したコンテンツで拡張することができる。 PEEはペルソナ探索とペルソナ搾取という2つの主要なモジュールで構成されている。 提案手法は, 自動評価と人的評価の両面で, 最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-02-06T08:24:33Z)

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。