arXiv cs.CL· Yiqi Wang, Zizhi Zeng, Jiaqi Zhang, Yiqun Duan, Mingkai Zheng, Taotao Cai·· 12 小时前AI 评分31
面向长期个性化 Web 智能体的主动偏好获取：APA 方法让智能体学会“为明天提问”
Learning What to Ask for Tomorrow: Active Preference Acquisition for Long-Term Personalized Web Agents
AI 导读
研究提出主动偏好获取（APA）方法，用“前瞻个性化价值”（PPV）衡量缺失偏好在未来任务中的累计收益减去提问成本，从而决定值得问哪些偏好。在 ActiveWebPref 基准的 20 任务跨度上，34.4% 的有价值缺失偏好依赖跨任务摊销，APA 获取了其中 80.3%，而仅看当前任务价值的信息量方法只获取 5.1%。
正文 · AI 翻译
摘要：网络智能体越来越多地在预订旅行、购物和日程安排等重复性在线任务中为同一用户服务，因此其长期实用性取决于它对用户偏好的了解程度。被动记忆和个性化方法无法获取用户从未透露的偏好，而按问题对当前任务的收益来评估其价值的澄清方法则忽视了答案在后续任务中可被复用的收益。我们研究主动偏好获取（APA）：哪些缺失的偏好值得付出询问成本？我们将某个缺失偏好的预期个性化价值（PPV）定义为其在未来任务上的预期累积效用增益减去询问的努力与披露风险成本，并在每次交互的预算约束下选择问题。我们刻画了在单任务收益不足的情况下，累积复用何时仍能证明获取是合理的，并用初始画像诊断来评估这一情形。APA 使用智能体自身的任务求解器计算每个候选偏好在公开任务原型上的反事实增益，并按每个任务族的预期复用对其进行聚合。我们在 ActiveWebPref 上对其进行评估，这是一个受控的纵向基准，具有隐藏但可查询的用户画像和精确的任务效用。在 20 个任务的时间跨度上，34.4% 的预算可行且有价值的缺失偏好依赖于摊销；APA 获取了其中的 80.3%，而当前任务信息价值方法仅获取了 5.1%。在与 APA 实际支出相匹配的每用户询问成本上限下，APA 的净效用高于四种启发式选择基线。在我们的成本设定中，询问每一个未知偏好所获得的净效用低于不询问，而 APA 用 27.6% 的问题量恢复了其效用增益的 84.2%。获取用户偏好的价值应考量其在未来任务中的复用，而不仅仅是其对当前任务的收益。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.31107 [cs.CL] |
| （或 arXiv:2610.31107v1 [cs.CL] 为此版本） | |
| https://doi.org/10.48550/arXiv.2610.31107 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yiqi Wang [查看邮箱]
[v1]
2026年10月22日星期四 11:16:24 UTC（698 KB）
来源：arXiv cs.CL · arxiv.org